其他分享
首页 > 其他分享> > 论文阅读总结-Patient clustering improves efficiency of federated machine learning to predict mortality and

论文阅读总结-Patient clustering improves efficiency of federated machine learning to predict mortality and

作者:互联网

一、论文提出的方法:

       使用进入ICU前48h的用药特征作为预测因子预测重症监护患者的死亡率和ICU住院时间。

  用到了联邦学习,自编码器,k-means聚类算法,社区检测。

       数据集:从50家患者人数超过600人的医院,每个医院抽取560名患者形成最终的28000例数据集,20000作为训练集,8000作为测试集。

二、具体实现:

  1.每个医院各自训练自编码器重构药物特征

  

  2. 每个医院用将各自data转换为向量表示,然后将所有医院的平均值返回给server

  3. Server使用k-means算法作用于训练k-means clustering model:

  4. Community-based learning:

    (1)   server初始化K个neural network models.

    (2)   每个医院在自己的数据集学习K个model,并用和确定每个example属于哪个cluster,得到表示每个cluster的size,并用均值更新server.

    (3)   Server将更新的model重新发送给每个医院进行下一次的训练直到收敛,得到community model.

  5. 给定一个测试集,用编码,用定义community,使用community model进行预测

  6.Pipline:

  

 

标签:clustering,Patient,每个,means,community,server,医院,learning,model
来源: https://www.cnblogs.com/syq816/p/15576126.html