• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Advanced Information Networking and Applications >Privacy-Preserving Multiple Linear Regression of Vertically Partitioned Real Medical Datasets
【24h】

Privacy-Preserving Multiple Linear Regression of Vertically Partitioned Real Medical Datasets

机译：垂直划分的实际医学数据集的隐私保护多元线性回归

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper studies the feasibility of privacy-preservingdata mining in epidemiological study. As for the data-miningalgorithm, we focus to a linear multiple regression thatcan be used to identify the most significant factorsamong many possible variables, such as the historyof many diseases. We try to identify the linear model to estimate a lengthof hospital stay from distributed dataset related tothe patient and the disease information. In this paper, we have done experiment usingthe real medical dataset related to stroke andattempt to apply multiple regression with sixpredictors of age, sex, the medical scales, e.g., Japan Coma Scale, and the modified Rankin Scale. Our contributions of this paper include(1) to propose a practical privacy-preserving protocols for linear multiple regressionwith vertically partitioned datasets, and(2) to show the feasibility of the proposed system usingthe real medical dataset distributed into two parties, the hospital who knows the technical details of diseasesduring the patients are in the hospital, and the local government who knows the residence even afterthe patients left hospital. (3) to show the accuracy and the performance of thePPDM system which allows us to estimate the expectedprocessing time with arbitrary number of predictors.
机译：本文研究了在流行病学研究中保护隐私数据挖掘的可行性。关于数据挖掘算法，我们集中于线性多元回归，该线性多元回归可用于确定许多可能变量（例如多种疾病的历史）中的最重要因素。我们尝试确定线性模型，以从与患者和疾病信息相关的分布式数据集中估算住院时间。在本文中，我们使用与中风和尝试有关的真实医学数据集进行了实验，以对年龄，性别，医学量表（例如日本昏迷量表）和改良的Rankin量表等六个预测变量应用多元回归。本文的贡献包括（1）为垂直分割的数据集提出一种实用的线性多元回归隐私保护协议，以及（2）通过将实际医疗数据集分配给两方来展示该系统的可行性，该医院知道患者在病期间的技术细节在医院内，甚至在患者离开医院后仍知道住所的地方政府。 （3）展示了PPDM系统的准确性和性能，它使我们能够使用任意数量的预测器来估计预期的处理时间。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号