PulseAugur
中
实时 09:16:27
English(EN) Accelerating Reproducible Research in Synthetic EHR Generation

新框架标准化合成电子健康记录生成模型评估

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新框架，用于标准化合成电子健康记录（EHR）生成模型的评估。该框架解决了由于代码库和评估方法不一致而导致比较不同模型所面临的挑战。它包括一个统一的数据摄取、模型训练和与架构无关的评估流程，最初专注于纵向ICD诊断代码，并纳入了MedGAN、CorGAN、PromptEHR、HALO和GPT-2等基线模型。 AI

影响 标准化合成EHR模型的评估，可能加速研究并改善隐私-效用权衡。

排序理由 该集群包含一篇学术论文，详细介绍了用于评估合成EHR生成模型的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jalen Jiang, Chufan Gao, Ethan Rasmussen, Stephen Z. Xie, Jimeng Sun ·

    加速可复现的合成电子健康记录生成研究

    arXiv:2606.06990v1 Announce Type: new Abstract: The generation of high-fidelity synthetic Electronic Health Records (EHR) is crucial for advancing medical research while preserving patient privacy. However, head-to-head comparison of existing generative models is hindered by disj…

相关实体

相关话题