-
题名基于图对比学习的再入院预测模型
- 1
-
-
作者
姜超英
李倩
刘宁
刘磊
崔立真
-
机构
山东大学软件学院
山东大学山东大学-南洋理工大学人工智能国际联合研究院
山东省工业技术研究院
-
出处
《计算机应用》
北大核心
2025年第6期1784-1792,共9页
-
基金
山东省自然科学基金青年基金资助项目(ZR2022QF114)。
-
文摘
针对疾病间的共同作用与再入院情况的关系的挖掘不足以及相关模型泛化能力较弱的问题,提出一种基于图对比学习的再入院预测模型HealthGraph。首先,利用数据集中的疾病共现信息构建疾病编码图,以充分挖掘疾病之间的关联信息;其次,提出一种以图对比学习的思想为指导的患者数据增强方法,通过图采样器自适应地捕捉与任务相关的拓扑结构,构造新视图,提升数据丰富度,从而提高模型的泛化性能;最后,结合初始疾病编码图嵌入和新视图嵌入进行再入院预测。在真实数据集MIMIC-Ⅲ上构建呼吸系统疾病和循环系统疾病这2个数据集并进行大量实验。结果表明,相较于反转时间注意力模型(RETAIN)和阶段感知神经网络模型(StageNet),所提模型在准确率和F1指标上提升了1个百分点左右。此外,2组消融实验结果验证了所提模型在提高再入院预测的准确性和泛化性中的有效性。
-
关键词
电子健康记录
再入院预测
图对比学习
数据增强
图神经网络
-
Keywords
Electronic Health Record(EHR)
readmission prediction
graph contrastive learning
data augmentation
graph neural network
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名面向轻量级设备的云存储场景数据完整性校验方案
- 2
-
-
作者
韩冰
王昊
方敏
张永超
周璐
葛春鹏
-
机构
南京航空航天大学计算机科学与技术学院
华东师范大学数据科学与工程学院
东南大学网络空间安全学院
山东大学软件学院
山东大学-南洋理工大学人工智能国际联合研究院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第10期2467-2481,共15页
-
基金
国家重点研发计划项目(2021YFB2700503)
国家自然科学基金项目(62071222,62032025,U21A20467,U20A20176,U22B2030)
+1 种基金
江苏省自然科学基金项目(BK20220075)
深圳市科学技术计划项目(JCYJ20210324134810028)。
-
文摘
资源受限的轻量级移动设备往往可以通过将大规模数据外包至云存储服务器中从而卸载自身的计算和存储压力.然而该云存储模式存在自私云服务器丢弃数据以节省存储资源的可能性.因此需要能够对云储存数据进行有效的完整性校验以确保数据正确完好地存储着.然而现有的云存储完整性校验机制在缺乏可靠且能够满足数据隐私保护的前提下对数据进行即时、多次校验的机制.提出了一种基于可信执行环境的完整性校验机制,通过在隔离区域中对数据产生可信证明,保证了云服务器在全过程中对数据以及产生证明的全过程的不可见,从而不得不诚实地保证存储数据的完整性.为了进一步提高方案的安全性,引入了区块链智能合约以提供证明的可信存证和验证.此外,还考虑到了端侧设备的资源不足问题,提出了基于布谷鸟过滤器的高效验证机制.实验结果表明,该方法能够在保证隐私数据的完整性校验的基础上,实现较高的执行效率和实用性.
-
关键词
完整性校验
云存储
可信执行环境
区块链
布谷鸟过滤器
隐私保护
-
Keywords
integrity verification
cloud storage
trusted execution environment
blockchain
cuckoo filter
privacypreserving
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
