利用联邦学习检测心音异常的一项多机构合作研究

信息科学 人工智能 心血管系统 医学
心音异常 多机构合作 联邦学习 隐私保护 深度学习

利用联邦学习检测心音异常的一项多机构合作研究

利用联邦学习检测心音异常的一项多机构合作研究

学术背景

心血管疾病（Cardiovascular diseases, CVDs）已经成为主要的死亡原因之一，特别在老年人口中，心血管健康问题亟待社会关注。早期筛查、诊断和预后管理对于预防住院具有重要意义。心音信号携带丰富的生理和病理信息，通过心音进行CVDs早期诊断具有容易获取、广泛存在和非侵入性等优势。近年来，人工智能（AI）在心音辅助诊断中的应用引起了广泛关注，自动心音听诊技术有助于快速、有效地评估心脏状态。然而，现有研究在应用过程中忽略了数据安全和隐私问题，尤其是在多机构数据合作时。

研究来源

本文由Wanyong Qiu, Chen Quan等人撰写，作者分别来自北京理工大学、日本东京大学教育生理学实验室、英国帝国理工学院等知名学术机构。论文于2023年发表于IEEE Transactions on Biomedical Engineering。

研究目的与方法

背景问题

现有的AI模型通常需要大量的训练数据，这可能引发隐私问题。而且，由于医疗机构之间的数据不可以随意交换，导致数据孤岛问题，这使得多中心医疗数据难以协同训练AI模型，从而限制了医疗AI模型的发展。

研究方法

为了解决上述问题，本文提出了一种基于联邦学习（Federated Learning, FL）的优化策略，旨在在不泄露信息的情况下，利用多中心的心音数据库进行模型训练。研究主要应用了水平联邦学习（Horizontal Federated Learning, HFL）和垂直联邦学习（Vertical Federated Learning, VFL），前者主要解决隐私问题，后者解决模型可解释性和数据稀缺性问题。

具体来说，本文在以下几个方面进行了创新：

  1. HFL模型设置： 利用HFL来处理多机构心音数据，对不同医疗机构参与者进行特征空间对齐和ID安全聚合。
  2. VFL模型设置： 联合多机构的数据特征空间，共同训练和评估VFL模型，解决数据标签缺失的问题。
  3. 模型可解释性： 利用Shapley值对VFL模型进行解释，平衡模型的可解释性和数据隐私。

研究流程

数据描述与预处理

从多家医疗机构的心音数据库中获取数据，如MIT心音数据库、Aalborg大学心音数据库等，数据分别标记为正常和异常样本。数据预处理包括信号处理、特征提取及数据平衡策略。

HFL模型

使用XGBoost作为基础模型，建立水平联邦学习框架。通过特征ID安全聚合方法对齐特征空间，具体步骤包括：

  1. 联邦服务器生成对称密钥并分发给参与机构。
  2. 各参与机构使用公钥加密其特征ID集合，并发送给服务器。
  3. 联邦服务器使用私钥将加密结果进行转换，并与参与机构共享聚合结果。
  4. 各参与机构本地训练模型，并将增量模型更新发送至服务器。

VFL模型

在特征空间不同但样本空间相同的情境下，VFL模型通过多方合作实现全球模型构建。具体步骤包括：

  1. 将数据分为客体方和宿主方，确保样本空间一致但特征空间不同。
  2. 各方在保护隐私的基础上进行特征工程和模型训练。
  3. 依据隐私保护协议，各方共同进行模型评估和推理。

主要结果与总结

HFL模型结果

在非独立同分布（non-iid）和样本量不平衡条件下，HFL模型在测试集上的表现优异。通过50次重复实验得出的最佳模型参数为30棵树，高度为3。敏感性达62.1%，特异性达72.8%，均高于传统的XGBoost模型。

VFL模型结果

VFL模型在样本量充足的数据库中表现良好，如Aalborg大学和大连理工大学的数据库，其性能接近传统的集中式数据学习模型。然而，由于数据库df的数据分布差异显著，VFL模型结果低于预期。最大均值差距（MMD）值显示，数据库df和其他数据库之间存在显著分布差异。

模型可解释性

通过Shapley值解释VFL模型无损数据隐私。在多中心心音数据库中，联邦特征增加了全球模型特征对模型输出的影响分布。特征值分箱法用以保护宿主方数据隐私，均为VFL模型提供解释性和公平性评估数据贡献的能力。

研究意义

本文首次实现在真实医疗场景中应用联邦学习，对心音模型进行优化，使其在保护患者隐私的前提下，达成良好分类效果。研究结果表明，联邦学习在心音异常检测中性能优异，有望促进联邦智慧医疗系统的广泛应用，特别是在数据隐私保护要求高的场景中。

研究亮点

  1. 多机构合作模型训练： 在保护数据隐私的基础上，实现在多中心医疗数据库中的联邦学习。
  2. 模型可解释性： 通过Shapley值方法，对VFL模型进行解释，兼顾模型可解释性和数据隐私。
  3. 实际应用价值： 提供了联邦学习在心音分类中的实践指南，对智慧医疗系统的发展具有重要价值。

未来研究方向

  1. 数据标准化： 建立标准化的心音数据库，以解决数据异构和隐私噪声对模型性能的影响。
  2. 联邦学习激励机制设计： 基于Shapley值衡量特征贡献，设计合理的激励机制鼓励更多参与者加入联邦学习。
  3. 加密与通信成本： 进一步探索差分隐私等新型加密方案，降低联邦学习的通信成本，提高模型的适用性。