文献

J-GLOBAL ID：202002253620801960   整理番号：20A2147232

Fed-BioMed:健康管理における連合学習のための一般的オープンソースフロントエンドフレームワーク【JST・京大機械翻訳】

Fed-BioMed: A General Open-Source Frontend Framework for Federated Learning in Healthcare

著者 (4件)： Silva Santiago (Universite Cote d’Azur, INRIA Sophia Antipolis, EPIONE Research Project, Valbonne, France) ,  Altmann Andre (COMBINE Lab, Centre for Medical Image Computing (CMIC), University College London, London, UK) ,  Gutman Boris (Department of Biomedical Engineering, Illinois Institute of Technology, Chicago, IL, USA) ,  Lorenzi Marco (Universite Cote d’Azur, INRIA Sophia Antipolis, EPIONE Research Project, Valbonne, France)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12444  ページ： 201-210  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 健康管理のデータは以前に想像されていない量で生産されるが,臨床研究の実現可能性は,特にプライバシー懸念に関して,データアクセスと転送の問題によってしばしば妨げられる。反復学習は,分散最適化アプローチを用いたプライバシー保護データ解析を可能にし,データを確実に分散させた。現在,特定のハードウェアとモデリング手法に仕立てられ,自然に展開可能な生産-準備環境を提供しない,連合学習フレームワークを提供する現在イニシアティブがある。この課題に取り組むために,ここでは,健康管理におけるアプリケーションによるオープンソース連合学習フロントエンドフレームワークを提案した。本フレームワークは,異なるモデルおよび最適化方法に対して適応する一般的アーキテクチャに基づいている。クライアントと中心ノードのためのソフトウェア成分を提示し,学習モデルを展開するためのワークフローを説明した。最後に,多中心脳イメージングデータの連合分析への実世界応用を提供した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習モデル ,  最適化手法 ,  画像処理 ,  プライバシー ,  データ解析 ,  応用プログラム ,  ハードウェア ,  ソフトウェア ,  *健康管理 ,  計算機アーキテクチャ ,  ワークフロー
準シソーラス用語： プライバシー保護 ,  *オープンソース ,  データアクセス ,  臨床研究 , 【Automatic Indexing@JST】

著者キーワード (3件)： 連合学習 ,  健康管理 ,  医療イメージング

分類 (2件)： データ保護  (JD01020V) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (2件)： FED ,  学習