TimeDiff

Generasi yang andal dari seri waktu EHR sintetis pemeliharaan privasi melalui model difusi

Repositori ini berisi implementasi kode untuk Timediff, model difusi yang dirancang untuk generasi data seri waktu tipe campuran dalam EHR. Pekerjaan kami diterima oleh Journal of American Medical Informatics Association (Jamia) .

Cara menjalankan timediff

• Gunakan requirements.txt untuk menginstal dependensi.
• etdiff_train.py adalah skrip untuk menginisialisasi pelatihan model. Setelah pelatihan selesai, itu akan secara otomatis menghasilkan data seri waktu EHR sintetis dan menyimpannya di direktori yang ditunjuk oleh pengguna. Direktori ini dapat ditentukan dengan argumen baris perintah --check_point_path .
• Implementasi spesifik dari model dapat ditemukan di models/ETDiff .

Data pra-pemrosesan data

Silakan lihat direktori preprocess untuk jupyter notebooks dan skrip python tentang bagaimana kami preprocess data EHR untuk pelatihan dan evaluasi model.

Garis dasar

Catatan: Harap atur PYTHONPATH dengan benar ke root repositori ini untuk menjalankan model baseline.

Dependensi untuk garis dasar

Kami merekomendasikan penggunaan lingkungan independen untuk masing -masing model dasar, karena beberapa dari mereka memiliki persyaratan yang berbeda (salah satu contoh adalah versi Python untuk TensorFlow 1.x). Silakan merujuk ke Repositori Kode untuk Baselines dan Lampiran A.4.4 dalam makalah kami untuk lebih jelasnya.

• Ehr-m-gan : jalankan baselines/ehrmgan_train.py ; Implementasi disimpan di models/ehr_m_gan .
• DSPD/CSPD : Jalankan baselines/dspd_train.py ; Implementasi disimpan di models/tsdiff ; Untuk menggunakan CSPD daripada DSPD, gunakan difusi kontinu untuk -argumen --diffusion .
• GT-GAN : Jalankan baselines/gtgan_train.py ; Implementasi disimpan di models/gt_gan .
• Timegan : Jalankan baselines/timegan_train.py ; Implementasi disimpan di models/time_gan .
• RCGAN : Jalankan baselines/rcgan_train.py ; Implementasi disimpan di models/rc_gan .
• C-rnn-gan : Jalankan baselines/crnngan_train.py ; Implementasi disimpan di models/crnn_gan .
• T-forcing/p-forcing : Jalankan baselines/pt_forcing_train.py ; Implementasi disimpan di models/p_or_t_forcing ; Melewati argumen baris perintah -adversarial menggunakan p -forcing. Kalau tidak, T-forcing digunakan.
• Halo : Silakan merujuk ke baselines/halo_preprocess.py dan deskripsi yang disediakan oleh penulis Halo dalam naskah mereka untuk preprocess data input. Jalankan baselines/halo_train.py untuk melatih model dan baselines/halo_generate.py untuk pengambilan sampel. Implementasi disimpan di models/halo .

Metrik evaluasi

• eval_samples.py adalah skrip yang bertanggung jawab untuk menjalankan semua metrik evaluasi yang dibahas dalam makalah; Untuk menjalankan kode, lulus metrik yang dimaksud untuk digunakan melalui -argumen baris perintah --metric , serta data pelatihan ( --train_path ), pengujian data ( --test_path ), dan data sintetis ( --sync_path ).
• Implementasi untuk metrik utilitas data dapat ditemukan di evaluate/utility.py .
• Implementasi untuk metrik risiko privasi dapat ditemukan di evaluate/privacy.py .

Kutipan

 @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 }
}