TimeDiff

通过扩散模型可靠地生成隐私的合成EHR时间序列

该存储库包含timeDiff的代码实现，这是一个扩散模型，旨在生成EHR中的混合型时间序列数据。我们的工作被美国医学信息学协会杂志（JAMIA）接受。

如何运行计时夫

• 使用requirements.txt安装依赖项。
• etdiff_train.py是初始化模型培训的脚本。训练完成后，它将自动生成合成EHR时间序列数据并将其存储在用户指定的目录中。可以使用--check_point_path命令行参数指定此目录。
• 该模型的具体实现可以在models/ETDiff上找到。

数据预处理

请参阅jupyter笔记本和python脚本的preprocess目录，以了解我们如何预处理EHR数据进行模型培训和评估。

基线

注意：请正确将PYTHONPATH设置为此存储库的根，以便运行基线模型。

基准的依赖项

我们建议在每个基线模型中使用独立的环境，因为其中一些具有不同的要求（一个示例是Tensorflow 1.x的Python版本）。有关更多详细信息，请参考基准和附录A.4.4的代码存储库。

• EHR-M-GAN ：运行baselines/ehrmgan_train.py ;实现存储在models/ehr_m_gan中。
• DSPD/CSPD ：运行baselines/dspd_train.py ;实施存储在models/tsdiff中；要使用CSPD而不是DSPD，请使用连续扩散进行--diffusion参数。
• gt-gan ：运行baselines/gtgan_train.py ;实现存储在models/gt_gan中。
• TimeGan ：运行baselines/timegan_train.py ;实现存储在models/time_gan中。
• RCGAN ：RUN baselines/rcgan_train.py ;实现存储在models/rc_gan中。
• C-RNN-GAN ：运行baselines/crnngan_train.py ;实施存储在models/crnn_gan中。
• t-forcing/p-forcing ：运行baselines/pt_forcing_train.py ;实现存储在models/p_or_t_forcing中；传递命令行参数-adversarial使用p -forcing。否则，使用T型。
• HALO ：请参考baselines/halo_preprocess.py ，以及Halo作者在手稿中提供的描述以预处理数据。运行baselines/halo_train.py来训练模型和baselines/halo_generate.py进行采样。实施存储在models/halo中。

评估指标

• eval_samples.py是负责运行本文讨论的所有评估指标的脚本；要运行代码，请传递预定的度量标准，以通过--metric命令行参数以及训练数据（ --train_path ），测试数据（ --test_path ）和综合数据（ --sync_path ）。
• 数据实用指标的实现可以在evaluate/utility.py上找到。
• 隐私风险指标的实施可以在evaluate/privacy.py上找到。

引用

 @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 }
}