术后风险预测任务的结构化数据生成方法
罗晓辉1
周瑞豪2
张伟义2
舒红平3
王亚强1
郝学超2
1.成都信息工程大学软件工程学院 成都 610225;成都信息工程大学数据科学与工程研究所 成都 610225;成都信息工程大学软件自动生成与智能服务实验室 成都 6102252.四川大学华西医院麻醉手术中心 成都 6100443.成都信息工程大学软件工程学院 成都 610225;成都信息工程大学软件自动生成与智能服务实验室 成都 610225
摘要：近年来,医学领域越来越重视使用多中心数据共享的方式来提高模型的泛化能力.然而,共享医疗数据有隐私暴露的风险.类别不平衡也是使用术前结构化数据预测术后风险的一个挑战,它严重影响了模型的预测性能.这两个问题限制了术前数据的共享以及分类器在术后风险预测的效果.为了解决这些问题,论文提出了一种新的方法,使用生成对抗网络生成与真实数据相似的数据,用于训练分类模型和数据共享.实验证明生成对抗网络能生成高质量的数据.生成数据在特征分布上与真实数据高度相似,且用于术后风险预测后能有效提升术后风险预测的效果.此外,实验还验证了生成数据的隐私性,这为学术研究中的数据共享提供了新的可能性.
关键词：数据不平衡生成对抗网络术后并发症预测表格数据数据共享
分类号：TP183(自动化基础理论)
资助基金：四川大学华西医院学科卓越发展工程交叉学科创新项目(1·3·5;2023H022)四川大学华西医院项目(1·3·5;ZYJC21008)国家重点研发计划(2018YFC2001800)
论文发表日期：2024-01-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 51-59 )
英文信息