連合サイクリング(FedCy):手術段階の半教師つき連合学習【JST・京大機械翻訳】

Kassem Hasan; Alapatt Deepak; Mascagni Pietro; Consortium AI4SafeChole; Karargyris Alexandros; Padoy Nicolas

プレプリント

J-GLOBAL ID：202202211114703252 整理番号：22P0303995

連合サイクリング(FedCy):手術段階の半教師つき連合学習【JST・京大機械翻訳】

Federated Cycling (FedCy): Semi-supervised Federated Learning of Surgical Phases

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月14日プレプリントサーバーでの情報更新日： 2022年12月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

深層学習法における最近の進歩は,より安全な外科処置の有望性を満たすのに,コンピュータ支援を与える。しかし,そのような方法の一般化可能性は,医療データの敏感な性質を考慮した制限的要件である複数の医療施設からの多様なデータセットの訓練にしばしば依存している。最近提案された学習(FL)のような協調学習法は,データを明示的に共有する必要のない遠隔データセットの訓練を可能にする。そうであっても,データアノテーションは,特に臨床専門知識がしばしば必要とされる医学と手術において,ボトルネックを表す。これらの制約を念頭に置いて,著者らは,ラベル付きおよびラベルなしビデオの両方の分散データセットを利用するために,FLと自己監督学習を組み合わせた連合半教師つき学習(FSSL)法を提案して,それによって,外科的位相認識のタスクに関する性能を改善した。ラベル付きデータにおける時間的パターンを活用することにより,FedCyは,位相認識のためのタスク特異的特徴の学習に向けて,ラベル無しデータに対する教師なし訓練をガイドする。腹腔鏡下胆嚢摘出術ビデオの新しく収集した多施設データセットを用いて,外科的相の自動認識のタスクに関する最先端のFSSL法に関する顕著な性能利得を実証した。さらに,著者らのアプローチが,非意味ドメインからのデータ上でテストするとき,より一般化可能な特徴も学習することを実証した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る