A Learnable Multi-views Contrastive Framework with Reconstruction Discrepancy for Medical Time-Series

要約

医療時系列疾患の診断では、2つの重要な課題が特定されています。まず、医療データの注釈コストが高いため、ラベル制限の単一中心データセットでトレーニングされたモデルの過剰適合につながります。
これに対処するために、関連するタスクから外部データを組み込み、AE-GANを活用して事前知識を抽出し、下流タスクの貴重な参照を提供することを提案します。
第二に、多くの既存の研究では、診断タスクのより一般化された医療シーケンス表現を導き出すための対照的な学習を採用しています。通常、手動で設計された多様な正と負のサンプルペアに依存しています。
これを克服するために、マルチヘッドの注意メカニズムを統合し、視野間およびビュー内の対照的な学習戦略を通じてさまざまなビューから表現を適応的に学習するフレームワークであるLMCF（学習可能なマルチビューコントラストフレームワーク）を紹介します。
、事前に訓練されたAE-GANを使用して、標的データの不一致を疾患確率として再構築します。これは対照的な学習プロセスに統合されます。3つのターゲットデータセットの実験は、私たちの方法が7つの他のベースラインを常に上回ることを示しています。
心筋梗塞、アルツハイマー病、パーキンソン病の診断などのヘルスケアアプリケーションについて。

要約(オリジナル)

In medical time series disease diagnosis, two key challenges are identified.First, the high annotation cost of medical data leads to overfitting in models trained on label-limited, single-center datasets. To address this, we propose incorporating external data from related tasks and leveraging AE-GAN to extract prior knowledge,providing valuable references for downstream tasks. Second, many existing studies employ contrastive learning to derive more generalized medical sequence representations for diagnostic tasks, usually relying on manually designed diverse positive and negative sample pairs.However, these approaches are complex, lack generalizability, and fail to adaptively capture disease-specific features across different conditions.To overcome this, we introduce LMCF (Learnable Multi-views Contrastive Framework), a framework that integrates a multi-head attention mechanism and adaptively learns representations from different views through inter-view and intra-view contrastive learning strategies.Additionally, the pre-trained AE-GAN is used to reconstruct discrepancies in the target data as disease probabilities, which are then integrated into the contrastive learning process.Experiments on three target datasets demonstrate that our method consistently outperforms seven other baselines, highlighting its significant impact on healthcare applications such as the diagnosis of myocardial infarction, Alzheimer’s disease, and Parkinson’s disease.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google