研究人员开发了FedEHR-Gen，一个用于生成合成电子健康记录（EHR）的新型联邦学习框架。该方法通过实现跨医院建模而不汇集敏感患者数据来解决数据隐私的挑战。FedEHR-Gen采用了一个两阶段过程，包括用于潜在空间对齐的联邦自动编码器和用于稳定时间序列生成的分布感知联邦时间条件变分自动编码器，在保真度和效用方面优于标准的联邦基线。 AI
影响 能够为跨机构的研究和开发实现隐私保护的合成EHR生成。
排序理由 该集群包含一篇研究论文，详细介绍了使用联邦学习进行合成EHR生成的新框架。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.27892v1 Announce Type: new Abstract: Synthetic Electronic Health Record (EHR) generation provides a promising avenue for data augmentation and cross-hospital modeling in privacy-constrained healthcare settings. However, most existing EHR generative models are centraliz…
Synthetic Electronic Health Record (EHR) generation provides a promising avenue for data augmentation and cross-hospital modeling in privacy-constrained healthcare settings. However, most existing EHR generative models are centralized and require pooling data across hospitals, wh…