基于医疗保健中的生成对抗网络的合成表格数据:使用分割与征服策略生成和验证
Ha Ye Jin Kang1,2, Erdenebileg Batbaatar3, Dong-Woo Choi3
1Department of Applied Artificial Intelligence, Hanyang University, Ansan, Republic of Korea.
JMIR medical informatics
|November 24, 2023
概括
使用生成对抗网络 (GAN) 生成合成表格数据 (STD) 的新划分与征服 (DC) 方法保持了逻辑关系. 这种方法提高了机器学习模型的性能,突出了需要平衡的合成数据的需求.
科学领域:
- 医疗信息学 医疗信息学
- 机器学习是机器学习.
- 数据科学是数据科学.
背景情况:
- 生成对抗网络 (GAN) 用于医疗保健中的合成数据生成 (SDG).
- 在合成表格数据 (STD) 中保留逻辑关系仍然是一个挑战.
- 现有的可持续发展目标过方法有可能丢失关键信息.
研究的目的:
- 提出一种新的划分与征服 (DC) 方法,用于使用GANs生成性传播疾病.
- 确保在合成数据中保持逻辑关系.
- 提高合成数据在医疗保健应用中的实用性.
主要方法:
- 基于DC的SDG战略涉及使用特定类别和Cramer V标准进行数据分区.
- 子集通过条件表格GAN和copula GAN处理以生成合成数据.
- 生成的数据被整合,并使用机器学习模型对基于条件抽样 (CS) 的SDG进行绩效验证.
主要成果:
- 与基于CS的SDG相比,基于DC的SDG方法在四个分类器 (DT,RF,XGBoost,LGBM) 中表现优异.
- 曲线下的特定面积 (AUC) 值表明DC方法在NSCLC,乳腺癌和糖尿病数据集中的预测精度提高.
- 在模型性能评估中,平衡合成数据始终优于不平衡数据.
结论:
- 这项研究首次验证了用于STD生成的DC方法,显示性能有所改善.
- DC方法有效地保留了逻辑数据关系,这是SDG的重大进步.
- 这些发现强调了为强大的机器学习应用程序生成平衡合成数据的重要性.
