医学画像分割のためのモデル異質半教師付きフェデレーテッドラーニング 背景紹介 医学画像分割は臨床診断において非常に重要な役割を果たし、医師が病状を識別し分析するのを助けます。しかし、このタスクは通常、敏感なデータ、プライバシー問題、高価なアノテーションコストなどの課題に直面しています。現在の研究は主に個別の協力訓練医療分割システムに焦点を当てていますが、分割アノテーションを取得することが時間がかかり労力を要するという点を見落としています。どのようにしてローカルモデルの個別化を維持しながら、アノテーションコストと分割性能をバランスさせるかが重要な研究方向となっています。そこで、本研究は新たなモデル異質半教師付きフェデレーテッドラーニングフレームワークを提案します。 論文出典 この論文は「Mod...

利用連邦学習で心音異常を検出する多機関協力研究 学術的背景 心血管疾患（Cardiovascular diseases, CVDs）は主要な死因の一つとなっており、特に高齢者において心血管の健康問題が社会の注目を集めています。早期のスクリーニング、診断および予後管理は入院を防ぐために非常に重要です。心音信号は豊富な生理学的および病理学的情報を含んでおり、心音を用いたCVDsの早期診断は取得が容易で、広く存在し、非侵襲性といった利点があります。近年、人工知能（AI）が心音補助診断に応用され、広く注目を集めています。自動心音聴診技術は心臓の状態を迅速かつ効果的に評価するのに役立ちます。しかし、現存する研究はデータの安全性およびプライバシー問題を無視しており、特に多機関がデータを共同使用する場合に...