首页 > 计算机科学 > 基于联邦学习的网络化ICU呼吸机和镇静剂管理方法

基于联邦学习的网络化ICU呼吸机和镇静剂管理方法

Ventilator and Sedative Management in Networked ICUs Based on Federated Learning

二维码有效期 120s

摘要医疗物联网设备的激增和丰富的医疗数据为智慧医疗提供了新的可能.重症监护室(ICU)的病人依靠众多医疗边缘设备来持续监测管理患者的健康状况.在 ICU常见的治疗干预措施中,有创机械通气和镇静剂的注射多用于维持患者的呼吸功能,提高治疗质量,而现有的治疗干预措施很大程度上依赖于医生的判断.文中提出了一种基于联邦学习的临床辅助决策方法——MFed,可以基于网络化 ICU分布式协作学习最佳干预政策.该方法应用基于差分隐私的联邦学习方法,打破了医疗数据隐私方面的限制以及医疗数据孤岛的窘境;用分布鲁棒优化确保最坏情况下的性能并结合伪孪生网络实现自适应地滤除噪声数据.最后,在现实 ICU数据集上的实验表明,与其他最先进的基线相比,所提方法的准确率提高了 36.75%.

作者曹林霄 ^[1] 刘佳 ^[2] 朱怡飞 ^[3] 周浩泉 ^[4] 龚伟 ^[4] 于卫华 ^[5] 李朝友 ^[6] 学术成果认领

作者单位中国科学技术大学大数据学院合肥 230026 ^[1] 安徽医科大学附属省立医院儿科合肥 230001 ^[2] 上海交通大学密西根学院上海 200240 ^[3] 中国科学技术大学附属第一医院儿科合肥 230001 ^[4] 合肥市第一人民医院护理部合肥 230061 ^[5] 合肥市第一人民医院儿科合肥 230061 ^[6]

关键词联邦学习医疗物联网分布式鲁棒优化医疗数据噪声医疗数据隐私 Federated learning Medical IoT Distributionally robust optimization Medical data noise Medical data privacy

分类号 TP391

栏目名称

人工智能

DOI 10.11896/jsjkx.220900177

发布时间 2023-10-13（万方平台首次上网日期，不代表论文的发表时间）