PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal Imputation

要約

モバイル ヘルス (mHealth) の期待は、ウェアラブル センサーを使用して、日常生活中に参加者の生理機能を高頻度で監視し、時間的に正確な健康介入を可能にする機能です。
ただし、大きな課題は、データが頻繁に欠落することです。
豊富な代入文献にもかかわらず、既存の技術は多くの mHealth アプリケーションを構成する脈動信号には効果がなく、利用可能なデータセットの欠如が進歩を妨げています。
私たちは、現実的な mHealth 欠損モデル、広範なベースラインのセット、および臨床関連の下流タスクを含む、初の大規模拍動信号代入チャレンジである PulseImpute でこのギャップに対処します。
当社のベースライン モデルには、パルス信号の構造を利用するように設計された新しいトランスベースのアーキテクチャが含まれています。
私たちは、PulseImpute によって ML コミュニティがこの重要かつ困難な課題に取り組むことができるようになることを願っています。

要約(オリジナル)

The promise of Mobile Health (mHealth) is the ability to use wearable sensors to monitor participant physiology at high frequencies during daily life to enable temporally-precise health interventions. However, a major challenge is frequent missing data. Despite a rich imputation literature, existing techniques are ineffective for the pulsative signals which comprise many mHealth applications, and a lack of available datasets has stymied progress. We address this gap with PulseImpute, the first large-scale pulsative signal imputation challenge which includes realistic mHealth missingness models, an extensive set of baselines, and clinically-relevant downstream tasks. Our baseline models include a novel transformer-based architecture designed to exploit the structure of pulsative signals. We hope that PulseImpute will enable the ML community to tackle this significant and challenging task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google