TimeDiff

Génération fiable de séries chronologiques de DSE synthétiques préservant la confidentialité via des modèles de diffusion

Ce référentiel contient l'implémentation du code pour TimeDiff, un modèle de diffusion conçu pour la génération de données de séries chronologiques de type mixte dans le DSE. Notre travail est accepté par le Journal of the American Medical Informatics Association (Jamia) .

Comment exécuter Timediff

• Utiliser requirements.txt pour installer des dépendances.
• etdiff_train.py est le script pour initialiser la formation du modèle. Une fois la formation terminée, il générera automatiquement des données de séries chronologiques synthétiques et les stockera dans le répertoire désigné défini par l'utilisateur. Ce répertoire peut être spécifié avec l'argument de la ligne de commande --check_point_path .
• La mise en œuvre spécifique du modèle peut être trouvée sur models/ETDiff .

Pré-traitement des données

Veuillez consulter le répertoire preprocess pour les carnets de jupyter et les scripts Python sur la façon dont nous pré-trons les données du DSE pour la formation et l'évaluation du modèle.

Référence

Remarque: veuillez définir correctement PYTHONPATH sur la racine de ce référentiel afin d'exécuter les modèles de base.

Dépendances pour les lignes de base

Nous vous recommandons d'utiliser des environnements indépendants pour chacun des modèles de base, car certains d'entre eux ont des exigences distinctement différentes (un exemple est la version de Python pour TensorFlow 1.x). Veuillez vous référer au référentiel de code pour les lignes de base et l'annexe A.4.4 dans notre article pour plus de détails.

• EHR-M-AG : exécutez baselines/ehrmgan_train.py ; L'implémentation est stockée sur models/ehr_m_gan .
• Dspd / cspd : exécuter baselines/dspd_train.py ; La mise en œuvre est stockée chez models/tsdiff ; Pour utiliser CSPD plutôt que DSPD, utilisez une diffusion continue pour un argument --diffusion .
• Gt-gan : exécutez baselines/gtgan_train.py ; L'implémentation est stockée sur models/gt_gan .
• Timegan : exécutez baselines/timegan_train.py ; L'implémentation est stockée sur models/time_gan .
• RCGAN : exécutez baselines/rcgan_train.py ; L'implémentation est stockée sur models/rc_gan .
• C-rnn-gan : exécutez baselines/crnngan_train.py ; L'implémentation est stockée sur models/crnn_gan .
• T-Forcing / P-Forcing : Exécutez baselines/pt_forcing_train.py ; L'implémentation est stockée sur models/p_or_t_forcing ; Passer l'argument de la ligne de commande -adversarial utilise P-Forcing. Sinon, la forçage en T est utilisée.
• Halo : veuillez vous référer aux baselines/halo_preprocess.py et les descriptions fournies par les auteurs de Halo dans leur manuscrit pour prétraiter les données d'entrée. Exécutez baselines/halo_train.py pour former le modèle et baselines/halo_generate.py pour l'échantillonnage. L'implémentation est stockée chez models/halo .

Mesures d'évaluation

• eval_samples.py est le script responsable de l'exécution de toutes les mesures d'évaluation discutées dans l'article; Pour exécuter le code, passez la métrique prévue à utiliser via l'argument de la ligne de commande --metric , ainsi que les données de formation ( --train_path ), les données de test ( --test_path ) et les données synthétiques ( --sync_path ).
• Les implémentations pour les mesures d'utilité de données peuvent être trouvées sur evaluate/utility.py .
• Les implémentations pour les mesures de risque de confidentialité peuvent être trouvées sur evaluate/privacy.py .

Citation

 @article { tian2024reliable ,
  title = { Reliable generation of privacy-preserving synthetic electronic health record time series via diffusion models } ,
  author = { Tian, Muhang and Chen, Bernie and Guo, Allan and Jiang, Shiyi and Zhang, Anru R } ,
  journal = { Journal of the American Medical Informatics Association } ,
  pages = { ocae229 } ,
  year = { 2024 } ,
  publisher = { Oxford University Press }
}