本研究では、プライバシーを保護しつつ高精度な脳腫瘍検出を実現するため、連合学習フレームワークとEfficientNetモデルを組み合わせたアプローチを提案した。
主な内容は以下の通り:
分散環境でのデータプライバシーを保護するため、連合学習を活用した。各クライアントが自身のデータを保持したまま、モデルの更新を行う。
EfficientNetモデルを採用し、データ異質性への対処と高精度化を図った。従来のResNetモデルと比較して、EfficientNetの方が優れた性能を示した。
前処理、最適化手法、損失関数の選定など、様々なハイパーパラメータの調整を行い、最適な設定を見出した。
実験の結果、提案手法は83.12%の高精度を達成し、従来手法を上回る性能を示した。また、クライアント間の精度ばらつきも小さく、データ異質性への対処が効果的であることが確認された。
今後の課題として、さらなる精度向上や、より複雑な医療画像解析タスクへの適用などが挙げられる。医療分野におけるプライバシー保護と高精度化の両立は重要な研究課題であり、本研究成果は大きな意義を持つ。
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問