PulseAugur
实时 10:29:17
English(EN) PSyGenTAB: A Privacy-Preserving Framework for Synthetic Clinical Tabular Data Generation via Constrained Optimization

新框架生成隐私保护的合成临床数据

研究人员开发了PSyGenTAB,一个用于生成合成临床数据的新框架,该框架同时优先考虑隐私和效用。该方法将合成数据生成视为一个约束优化问题,使用增强拉格朗日方法将隐私约束直接嵌入训练过程。PSyGenTAB旨在保持临床相关模式和少数类诊断信息,从而在不损害患者机密性的情况下开发可靠的健康AI。评估表明,在PSyGenTAB生成的合成数据上训练的模型,其性能与在真实患者记录上训练的模型相当,并且能抵御隐私攻击的能力得到增强。 AI

影响 通过平衡临床数据中的隐私和效用,实现安全开发健康AI。

排序理由 该集群包含一篇详细介绍新的合成数据生成框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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.AI TIER_1 English(EN) · Arshia Ilaty, Hossein Shirazi, Manasi Chitale, Kedar Hegde, Dhanalakshmi Ramesh, Rashmi S. Manjunath, Amir Rahmani, Hajar Homayouni ·

    PSyGenTAB: A Privacy-Preserving Framework for Synthetic Clinical Tabular Data Generation via Constrained Optimization

    arXiv:2606.18518v1 Announce Type: cross Abstract: The development of medical AI is constrained by limited access to high-quality clinical data due to institutional silos and strict privacy regulations such as HIPAA and GDPR. Synthetic data generation offers a potential solution, …