TimeDiff

Надежная генерация конфиденциальности синтетических временных рядов EHR через диффузионные модели

Этот репозиторий содержит реализацию кода для Timediff, диффузионную модель, предназначенную для генерации данных временных рядов смешанного типа в EHR. Наша работа принимается журналом Американской ассоциации медицинской информатики (JAMIA) .

Как управлять временным

• Используйте requirements.txt для установки зависимостей.
• etdiff_train.py - это скрипт для инициализации модели. После завершения обучения он автоматически генерирует данные временных рядов синтетического EHR и сохранит их в назначенном каталоге, установленном пользователем. Этот каталог может быть указан с помощью аргумента командной строки --check_point_path .
• Конкретная реализация модели может быть найдена на models/ETDiff .

Предварительная обработка данных

Пожалуйста, смотрите каталог preprocess для ноутбуков Юпитера и сценариев Python о том, как мы предварительно предварительно обрабатывают данные EHR для обучения и оценки моделей.

Базовые линии

Примечание: пожалуйста, установите PYTHONPATH в корне этого репозитория, чтобы запустить базовые модели.

Зависимости для базовых линий

Мы рекомендуем использовать независимые среды для каждой из базовых моделей, поскольку некоторые из них имеют явно разные требования (одним из примеров является версия Python для TensorFlow 1.x). Пожалуйста, обратитесь к репозиторию кода для базовых показаний и приложения A.4.4 в нашей статье для получения более подробной информации.

• Ehr-m-gan : запустить baselines/ehrmgan_train.py ; Реализация хранится в models/ehr_m_gan .
• Dspd/cspd : запустить baselines/dspd_train.py ; Реализация хранится в models/tsdiff ; Чтобы использовать CSPD, а не DSPD, используйте непрерывную диффузию для аргумента --diffusion .
• Gt-gan : запустить baselines/gtgan_train.py ; Реализация хранится в models/gt_gan .
• Timegan : запустить baselines/timegan_train.py ; Реализация хранится в models/time_gan .
• Rcgan : запустить baselines/rcgan_train.py ; Реализация хранится в models/rc_gan .
• C-rnn-gan : запустить baselines/crnngan_train.py ; Реализация хранится в models/crnn_gan .
• T-Forcing/P-Forcing : запустить baselines/pt_forcing_train.py ; Реализация хранится в models/p_or_t_forcing ; Передача аргумента командной строки -adversarial использует p -porsing. В противном случае используется T-переход.
• Halo : Пожалуйста, обратитесь к baselines/halo_preprocess.py и описаниям, предоставленным авторами Halo в их рукописи для предварительного обработки входных данных. Запустите baselines/halo_train.py чтобы обучить модель и baselines/halo_generate.py для отбора проб. Реализация хранится в models/halo .

Показатели оценки

• eval_samples.py - это сценарий, ответственный за запуск всех показателей оценки, обсуждаемых в статье; Чтобы запустить код, передайте предполагаемую метрику для использования через аргумент --metric Command Line, а также учебные данные ( --train_path ), тестирование данных ( --test_path ) и синтетические данные ( --sync_path ).
• Реализации для метрик утилиты данных можно найти при evaluate/utility.py .
• Реализации для показателей риска конфиденциальности можно найти при evaluate/privacy.py .

Цитирование

 @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 }
}