ImputeINR：通过隐式神经表示进行时间序列插补以处理缺失数据的疾病诊断

本研究解决了医疗数据中大量缺失值导致的时间序列插补问题。提出的ImputeINR方法利用隐式神经表示来学习时间序列的连续函数，从而能够在数据稀疏的情况下生成高质量的插补。实验结果显示，ImputeINR在高缺失率情况下的插补性能优于现有方法，并且提高了下游疾病诊断任务的表现。