[论文解读] Augmenting Physiological Time Series Data: A Case Study for Sleep Apnea Detection

Konstantinos Nikolaidis, Stein Kristiansen+4 more|arXiv (Cornell University)|May 22, 2019

Obstructive Sleep Apnea Research被引用 10

一句话总结

本文提出了一种条件循环生成对抗网络（GAN）框架，用于生成用于睡眠呼吸暂停检测的合成生理时间序列数据，以解决数据稀缺和类别不平衡问题。通过使用 GAN 生成的样本（尤其是通过个性化、分布匹配生成）增强真实数据，提升了分类器性能，多个模型的敏感度和 Cohen's kappa 统计量最高提升 18.2×10⁻²。

ABSTRACT

Supervised machine learning applications in the health domain often face the problem of insufficient training datasets. The quantity of labelled data is small due to privacy concerns and the cost of data acquisition and labelling by a medical expert. Furthermore, it is quite common that collected data are unbalanced and getting enough data to personalize models for individuals is very expensive or even infeasible. This paper addresses these problems by (1) designing a recurrent Generative Adversarial Network to generate realistic synthetic data and to augment the original dataset, (2) enabling the generation of balanced datasets based on heavily unbalanced dataset, and (3) to control the data generation in such a way that the generated data resembles data from specific individuals. We apply these solutions for sleep apnea detection and study in the evaluation the performance of four well-known techniques, i.e., K-Nearest Neighbour, Random Forest, Multi-Layer Perceptron, and Support Vector Machine. All classifiers exhibit in the experiments a consistent increase in sensitivity and a kappa statistic increase by between 0.007 and 0.182.

研究动机与目标

• 解决健康应用中有限、不平衡且个性化的生理时间序列数据带来的挑战，特别是针对睡眠呼吸暂停检测。
• 开发一种条件循环 GAN，以生成逼近真实底层数据分布的逼真合成时间序列数据。
• 通过受控的数据生成实现严重偏斜数据集的再平衡，以提升模型泛化能力。
• 通过分布匹配生成与特定个体生理模式一致的数据，探索间接个性化方法。
• 评估合成数据增强对多种标准分类器在睡眠呼吸暂停检测中的影响。

提出的方法

• 设计一种条件循环 GAN，利用循环架构学习生理时间序列数据中的时序依赖关系。
• 使用条件标签（如呼吸暂停严重程度）进行训练，以生成针对特定类别或个体的数据。
• 使用 MMD（最大均值差异）度量比较生成数据分布与真实验证集分布，选择最佳匹配的 GAN 用于个性化。
• 将真实训练数据与来自最佳匹配 GAN 的合成数据（SD）结合，形成增强数据集（AD），以实现再平衡与个性化。
• 在基线数据集、增强数据集和个人化增强数据集上应用四种分类器——KNN、随机森林、MLP 和 SVM，以评估性能。
• 通过类别先验（P(J=j)）控制数据生成，调整每种类别的合成样本比例，实现平衡的数据合成。

实验结果

研究问题

• RQ1 条件循环 GAN 是否能有效生成反映真实睡眠呼吸暂停数据分布的逼真生理时间序列数据？
• RQ2 使用 GAN 生成的样本进行数据增强，是否能提升在类别不平衡的睡眠呼吸暂停数据集上分类器的敏感度和整体性能？
• RQ3 能否通过将合成数据分布与特定个体的真实数据匹配，实现个性化数据生成？
• RQ4 与标准增强方法相比，基于 MMD 选择最佳匹配 GAN 的间接个性化方法对分类器性能有何影响？
• RQ5 在多种分类器中，合成数据增强在多大程度上提升了 kappa 统计量和敏感度？

主要发现

• 所有分类器在数据增强后均表现出敏感度和 kappa 统计量的一致提升，增幅在 0.72×10⁻² 到 18.2×10⁻² 之间。
• Exp3:AugmP 方法——通过 MMD 选择最匹配目标个体数据的 GAN——表现最佳，MLP 在 a03b01 测试集上的 kappa 值最高提升达 27.12×10⁻²。
• SVM 和随机森林在数据增强中受益最多，当使用个性化合成数据时，SVM 的 kappa 值优于 MLP（Exp3:AugmP）。
• 对于 MLP 分类器，使用个性化增强后，a03b01 测试集上的 kappa 值从基线的 57.4×10⁻² 提升至 84.5×10⁻²。
• 所有分类器的准确率、特异性和敏感度在增强设置下均有所提升，Exp3:AugmP 在多个测试案例中表现出最一致的增益。
• 该方法在不同个体和记录组合中表现出强鲁棒性，表明其在真实世界健康应用中具有强大的个性化潜力。