본 논문은 의료 데이터의 결측치 문제를 해결하기 위해, 암묵적 신경 표현(Implicit Neural Representation, INR)을 이용한 새로운 시계열 결측치 보정 방법인 ImputeINR을 제안합니다. 기존 방법들이 이산 데이터에 집중하고, 특히 많은 결측치가 있는 희소 데이터에 대해 성능이 저조한 것과 달리, ImputeINR은 연속 함수를 학습하여 샘플링 주파수에 의존하지 않고, 매우 희소한 관측치에서도 정밀한 결측치 보정을 생성합니다. 8개의 데이터셋과 5가지 결측 비율에 대한 실험 결과, 특히 높은 결측 비율에서 ImputeINR의 우수한 성능을 보였으며, 의료 데이터의 결측치 보정 후 질병 진단 성능 향상도 확인했습니다. 소스 코드 또한 공개되었습니다.
