Trong bài báo này, chúng tôi đề xuất ImputeINR, một phương pháp hiệu chỉnh giá trị thiếu chuỗi thời gian mới sử dụng Biểu diễn nơ-ron ngầm (INR) để giải quyết vấn đề giá trị thiếu trong dữ liệu y tế. Không giống như các phương pháp hiện có tập trung vào dữ liệu rời rạc và hoạt động kém trên dữ liệu thưa thớt với nhiều giá trị thiếu, ImputeINR học các hàm liên tục để tạo ra các hiệu chỉnh giá trị thiếu chính xác ngay cả đối với các quan sát rất thưa thớt mà không cần dựa vào tần suất lấy mẫu. Kết quả thử nghiệm trên tám tập dữ liệu và năm tỷ lệ thiếu cho thấy ImputeINR hoạt động tốt, đặc biệt là ở tỷ lệ thiếu cao và chúng tôi cũng xác nhận rằng hiệu suất chẩn đoán bệnh được cải thiện sau khi hiệu chỉnh giá trị thiếu trong dữ liệu y tế. Mã nguồn cũng đã được công khai.
