[论文解读] Learning compressed representations of blood samples time series with missing data.

Filippo Maria Bianchi, Karl Øyvind Mikalsen+1 more|arXiv (Cornell University)|Oct 1, 2017

Machine Learning in Healthcare被引用 1

一句话总结

本文提出了一种新型自编码器框架，通过引入时间序列聚类核（TCK）来学习具有缺失数据的多变量血样时间序列的压缩、低维表示。通过核对齐整合TCK，该模型在处理缺失模式方面提升了表示质量和分类性能，在手术切口感染预测任务中优于标准自编码器。

ABSTRACT

Clinical measurements collected over time are naturally represented as multivariate time series (MTS), which often contain missing data. An autoencoder can learn low dimensional vectorial representations of MTS that preserve important data characteristics, but cannot deal explicitly with missing data. In this work, we propose a new framework that combines an autoencoder with the Time series Cluster Kernel (TCK), a kernel that accounts for missingness patterns in MTS. Via kernel alignment, we incorporate TCK in the autoencoder to improve the learned representations in presence of missing data. We consider a classification problem of MTS with missing values, representing blood samples of patients with surgical site infection. With our approach, rather than with a standard autoencoder, we learn representations in low dimensions that can be classified better.

研究动机与目标

• 解决在临床环境中从具有缺失数据的多变量时间序列（MTS）中学习有意义的低维表示的挑战。
• 通过显式建模缺失模式，提升自编码器在表示具有缺失值的MTS时的性能。
• 开发一种将自编码器与时间序列聚类核（TCK）相结合的框架，TCK是一种专为考虑缺失数据模式而设计的核函数。
• 在涉及血样MTS与手术切口感染的真实临床分类任务中，评估所提方法的有效性。
• 证明与标准自编码器相比，通过TCK进行核对齐可提升表示质量与下游分类准确率。

提出的方法

• 该框架整合了时间序列聚类核（TCK），通过基于观测段与缺失段的相似性度量，对MTS中的缺失模式进行建模。
• 采用核对齐来正则化自编码器的训练目标，使其学习到的表示与基于TCK的相似性结构保持一致。
• 自编码器学习到的瓶颈表示在保留输入MTS的结构与时间特性的同时，对缺失数据具有鲁棒性。
• 使用结合重构误差与核对齐损失的损失函数，实现端到端训练。
• 所得的低维嵌入用于下游分类任务，如预测手术切口感染。
• 该方法明确考虑了缺失数据模式，无需插补，从而保持了原始数据结构的完整性。

实验结果

研究问题

• RQ1 将自编码器与时间序列聚类核（TCK）结合，能否提升具有缺失数据的多变量时间序列的压缩表示质量？
• RQ2 在存在缺失值的情况下，自编码器潜在空间与基于TCK的相似性度量之间的核对齐，如何影响表示学习？
• RQ3 所提出的框架在分类具有缺失数据的临床MTS（如血样时间序列）时，是否优于标准自编码器？
• RQ4 显式建模缺失模式在多大程度上提升了手术切口感染预测的下游分类性能？
• RQ5 所学习的表示对临床时间序列中不同水平与模式的缺失数据具有多强的鲁棒性？

主要发现

• 在应用于具有缺失数据的血样MTS时，所提框架在手术切口感染预测任务中表现出优于标准自编码器的分类性能。
• 通过核对齐整合TCK，使学习到的低维表示更具信息量且更鲁棒，能够更好地捕捉具有缺失值的MTS的潜在结构。
• 该模型在无需插补的情况下有效学习缺失数据模式，保持了原始数据特征。
• 核对齐机制成功引导自编码器学习与TCK相似性概念一致的表示，从而提升了泛化能力。
• 结果表明，在表示学习过程中显式建模缺失模式可提升下游分类准确率。
• 即使在高比例缺失数据下，该框架仍表现出改进的性能，表明其对数据不完整性具有强鲁棒性。