术后风险预测任务的结构化数据生成方法.pdfVIP

总第411期计算机与数字工程Vol.52No.1

ComputerDigitalEngineering

2024年第1期计算机与数字工程51

2024年第1期

术后风险预测任务的结构化数据生成方法∗

1，2，3441，31，2，34

罗晓辉周瑞豪张伟义舒红平王亚强郝学超

（1.成都信息工程大学软件工程学院成都610225）（2.成都信息工程大学数据科学与工程研究所成都610225）

（3.成都信息工程大学软件自动生成与智能服务实验室成都610225）

（4.四川大学华西医院麻醉手术中心成都610044）

摘要近年来，医学领域越来越重视使用多中心数据共享的方式来提高模型的泛化能力。然而，共享医疗数据有隐

私暴露的风险。类别不平衡也是使用术前结构化数据预测术后风险的一个挑战，它严重影响了模型的预测性能。这两个问

题限制了术前数据的共享以及分类器在术后风险预测的效果。为了解决这些问题，论文提出了一种新的方法，使用生成对

抗网络生成与真实数据相似的数据，用于训练分类模型和数据共享。实验证明生成对抗网络能生成高质量的数据。生成数

据在特征分布上与真实数据高度相似，且用于术后风险预测后能有效提升术后风险预测的效果。此外，实验还验证了生成

数据的隐私性，这为学术研究中的数据共享提供了新的可能性。

关键词数据不平衡；生成对抗网络；术后并发症预测；表格数据；数据共享

中图分类号TP183DOI：10.3969/j.issn.1672-9722.2024.01.008

MethodforGeneratingStructuredDataforPreoperativeRisk

PredictionTasks

LUOXiaohui1，2，3ZHOURuihao4ZHANGWeiyi4SHUHongping1，3WANGYaqiang1，2，3HAOXuechao4

（1.SchoolofSoftwareEngineering，ChengduUniversityofInformationTechnology，Chengdu610225）

（2.InstituteofDataScienceandEngineering，ChengduUniversityofInformationTechnology，Chengdu610225）

（3.AutomaticSoftwareGenerationandIntelligentService，ChengduUniversityofInformationTechnology，Chengdu610225）

（4.DepartmentofAnesthesiology，SichuanUniversity，Chengdu610044）

AbstractInrecentyears，themedicalfieldhasincreasinglyemphasizedtheuseofmulti-centerdatasharingtoenhancethe

generalizationabilityofmodels.However，sharingmedicaldataposesrisksofprivacyexposure.Additionally，classimbalanceisa

challengewhenusingpreoperativestructureddatatopredictpostoperativerisks，signific