基于联邦学习的网络化ICU呼吸机和镇静剂管理方法

摘要：

医疗物联网设备的激增和丰富的医疗数据为智慧医疗提供了新的可能.重症监护室(ICU)的病人依靠众多医疗边缘设备来持续监测管理患者的健康状况.在 ICU常见的治疗干预措施中,有创机械通气和镇静剂的注射多用于维持患者的呼吸功能,提高治疗质量,而现有的治疗干预措施很大程度上依赖于医生的判断.文中提出了一种基于联邦学习的临床辅助决策方法——MFed,可以基于网络化 ICU分布式协作学习最佳干预政策.该方法应用基于差分隐私的联邦学习方法,打破了医疗数据隐私方面的限制以及医疗数据孤岛的窘境;用分布鲁棒优化确保最坏情况下的性能并结合伪孪生网络实现自适应地滤除噪声数据.最后,在现实 ICU数据集上的实验表明,与其他最先进的基线相比,所提方法的准确率提高了 36.75%.

关键词：联邦学习、医疗物联网、分布式鲁棒优化、医疗数据噪声、医疗数据隐私

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：165-175