FedMood：基于移动健康数据的抑郁症检测的联邦学习
计算机与社会
2024-10-08 v6 机器学习
摘要
抑郁症是最常见的精神疾病问题之一，患者表现的症状并不一致，使得在临床实践和病理研究中难以诊断。尽管研究者希望人工智能能为抑郁症的诊断和治疗做出贡献，但传统的集中式机器学习需要聚合患者数据，而精神疾病患者的数据隐私需严格保密，这阻碍了机器学习算法的临床应用。为解决抑郁症患者病史隐私问题，我们实现联邦学习以分析和诊断抑郁症。首先，我们提出一种利用多源数据的通用多视图联邦学习框架，其可将任何传统机器学习模型扩展为支持跨不同机构或方的联邦学习。其次，我们采用后期融合方法解决多视图数据时间序列不一致的问题。最后，我们在性能上将联邦框架与其他协作学习框架进行比较并讨论相关结果。
引用
@article{arxiv.2102.09342,
title = {FedMood: Federated Learning on Mobile Health Data for Mood Detection},
author = {Xiaohang Xu and Hao Peng and Lichao Sun and Md Zakirul Alam Bhuiyan and Lianzhong Liu and Lifang He},
journal= {arXiv preprint arXiv:2102.09342},
year = {2024}
}