RGAN医疗数据实战指南eICU数据集预处理与ICU时间序列合成全流程【免费下载链接】RGANRecurrent (conditional) generative adversarial networks for generating real-valued time series data.项目地址: https://gitcode.com/gh_mirrors/rg/RGAN医疗数据共享难、隐私风险高一直是AI落地医疗的最大痛点。RGANRecurrent Generative Adversarial Network正是为解决这一难题而生的开源项目它用循环生成对抗网络生成真实值real-valued时间序列论文发表于ETH Zurich生物医学信息学组。本文为你完整拆解RGAN医疗数据处理的核心链路——从eICU数据集预处理、构建分类任务到训练条件GAN合成ICU时间序列再到TSTR评估生成质量手把手带你跑通全流程。RGAN是什么为医疗时间序列而生的循环GAN传统的GAN适合图像而ICU里最宝贵的数据是多变量时间序列血氧sao2、心率heartrate、呼吸频率respiration、平均动脉压systemicmean这些生命体征每15分钟采样一次天然是时序数据。RGAN的关键创新在于生成器与判别器都用LSTM用循环神经网络建模时间依赖而非卷积或全连接层支持条件生成Conditional GAN可以指定病人的标签如是否发生心率异常来生成对应类型的序列自带差分隐私支持通过DP-SGD优化器见 dp_optimizer.py为训练数据提供更强的隐私保证为什么需要合成医疗数据真实ICU数据来自真实患者受法律严格保护难以共享。RGAN的思路是生成足够真实的合成数据让研究人员能基于它开发、复现机器学习模型最终反哺真实医疗场景。项目用TSTRTrain on Synthetic, Test on Real分数来量化足够真实——在合成数据上训练分类器、再到真实数据上测试用性能说话避免人工主观判断。第一步eICU数据集预处理全流程eICU是开放获取的重症监护数据集需在官网申请访问权限。拿到原始数据后RGAN的预处理分三步走1. 构建极端值预测任务eICU_task.py 的核心任务是把原始生命体征表加工成可训练的样本-标签对窗口化按15分钟重采样resample_time截取每个患者前16个时间点seq_length16特征筛选仅保留4个关键变量sao2、heartrate、respiration、systemicmean每个样本reshape为16 × 4的张量标签生成用滚动窗口rolling window计算未来一段时间内的极值生成7个二值标签例如low_heartrate心率低于75、high_respiration呼吸频率高于20、high_systemicmean平均动脉压高于100等判断病人是否出现生命体征异常处理完的数据通过 data_utils.py 中的eICU_task()函数加载按 6:2:2 划分为训练、验证、测试集。2. 数据归一化到 [-1, 1]GAN 对输入分布敏感RGAN 使用scale_data函数见 data_utils.py将数据缩放到 [-1, 1] 区间保证生成器和判别器训练稳定。核心代码只有寥寥几行先把序列展平、求全局最大最小值再线性映射到目标区间。3. 用配置文件管理超参数RGAN 使用 JSON 设置文件统一管理实验配置cristobal_eicu.txt 就是 eICU 任务的典型配置seq_length: 16、num_signals: 4、cond_dim: 77个条件标签、latent_dim: 10、batch_size: 28、num_epochs: 1005。想调整任何参数改配置文件即可无需动代码。第二步训练条件GAN合成ICU时间序列数据准备就绪后核心训练脚本是 eICU_synthetic_dataset_generation.py。整个训练流程如下网络架构要点组件设计说明生成器LSTM100隐单元每个时间步输入随机噪声z 条件标签c判别器LSTM100隐单元每个时间步输入真实/生成序列 条件标签潜变量 z10维正态分布控制生成序列的多样性训练轮次D:1轮 / G:3轮生成器更新频率更高帮助收敛训练循环的关键细节每50个epoch保存一次合成数据集将生成的样本和标签用 pickle 存到./synthetic_eICU_datasets/目录samples_*.pk与labels_*.pk固定种子可视化训练中持续用同一组随机噪声 z 采样实时观察生成序列的演化训练轨迹记录每个epoch把 D_loss、G_loss、耗时写入experiments/traces/下的trace文件方便监控收敛下图展示了测试配置下生成的时间序列信号波形真实信号 vs 生成信号可以看到两者在形态上高度接近第三步用TSTR评估合成数据质量训练完成不等于生成成功。RGAN 用 eICU_tstr_evaluation.py 做严谨的TSTR 评估在合成数据上训练用随机森林分类器100棵树在合成样本上训练预测7个异常标签在真实数据上测试用训练好的模型在真实验证集/测试集上做预测多轮重复对不同epoch生成的合成数据集50~1000分别评估选出验证集表现最好的epoch再在测试集上报最终成绩指标对比计算 AUROC 与 AUPRC并与真实数据训练和随机猜测两个基线对照如果合成数据训练的模型在真实数据上表现接近真实基线说明生成质量合格——这正是用下游任务验证生成数据的严谨范式。MMD指标辅助监控除了分类器指标项目还提供了 mmd.py 计算最大均值差异MMD从分布距离角度衡量生成数据与真实数据的差异。下图展示了训练过程中判别器损失、生成器损失与MMD的变化轨迹MMD随训练逐步下降并趋于稳定说明生成分布逐渐逼近真实分布快速上手从克隆到跑通实验环境要求很简单Python3、TensorFlow、SciPy、NumPy、Pandas。克隆仓库并运行测试配置git clone https://gitcode.com/gh_mirrors/rg/RGAN cd RGAN python experiment.py --settings_file testtest配置是演示用的占位设置主要展示有哪些可调选项输出不一定美观。想跑真正的 eICU 实验换上cristobal_eicu配置并准备好 eICU 数据即可。目录速查表文件职责eICU_task.pyeICU 原始数据预处理、任务构建data_utils.py数据加载、归一化、划分数据集eICU_synthetic_dataset_generation.py训练条件GAN生成合成eICU数据eICU_tstr_evaluation.pyTSTR 合成数据质量评估experiment.py主入口解析配置、训练、评估一体化model.py生成器/判别器的TensorFlow实现进阶玩法从正弦波到完整医疗管线项目还内置了多种玩具数据集方便调试正弦波sine_animation.gif、高斯过程采样rbf_animation.gif、MNIST数字当作28×28的时间序列。先在这些简单数据上跑通再上 eICU 医疗数据能大幅降低排查问题的难度。小结一下RGAN 给出了一条完整的医疗时间序列合成路径——eICU数据集预处理、极端值任务构建、条件GAN训练、TSTR量化评估环环相扣。对于想研究医疗数据隐私保护、时间序列生成的朋友这份开源代码是绝佳的入门与参考范本。动手跑一遍你就能真正理解用合成数据训练、到真实数据验证这一前沿范式。【免费下载链接】RGANRecurrent (conditional) generative adversarial networks for generating real-valued time series data.项目地址: https://gitcode.com/gh_mirrors/rg/RGAN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考