联邦马尔可夫插补：多中心ICU环境中隐私保护的时序插补
机器学习
2025-09-26 v1 人工智能
摘要
缺失数据是联邦学习在电子健康记录中面临的持续挑战，特别是在各机构以不同时间粒度收集时序数据的情况下。为此，我们提出联邦马尔可夫插补（FMI），一种隐私保护方法，使重症监护室（ICU）能够协作构建用于时序插补的全局转换模型。我们在MIMIC-IV数据集上的真实败血症预测任务上评估了FMI，结果表明它优于局部插补基线方法，特别是在各ICU采样间隔不规则的场景下。
引用
@article{arxiv.2509.20867,
title = {Federated Markov Imputation: Privacy-Preserving Temporal Imputation in Multi-Centric ICU Environments},
author = {Christoph Düsing and Philipp Cimiano},
journal= {arXiv preprint arXiv:2509.20867},
year = {2025}
}
备注
Accepted at the 1st International ECML-PKDD Workshop-Tutorial on Learning on Real and Synthetic Medical Time Series Data (MED-TIME)