論文の概要: MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation
- arxiv url: http://arxiv.org/abs/2110.01406v1
- Date: Wed, 29 Sep 2021 18:09:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-10 11:05:28.099486
- Title: MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation
- Title(参考訳): MedPerf:フェデレーションによる医療人工知能のベンチマークプラットフォーム
- Authors: Alexandros Karargyris, Renato Umeton, Micah J. Sheller, Alejandro
Aristizabal, Johnu George, Srini Bala, Daniel J. Beutel, Victor Bittorf,
Akshay Chaudhari, Alexander Chowdhury, Cody Coleman, Bala Desinghu, Gregory
Diamos, Debo Dutta, Diane Feddema, Grigori Fursin, Junyi Guo, Xinyuan Huang,
David Kanter, Satyananda Kashyap, Nicholas Lane, Indranil Mallick, Pietro
Mascagni, Virendra Mehta, Vivek Natarajan, Nikola Nikolov, Nicolas Padoy,
Gennady Pekhimenko, Vijay Janapa Reddi, G Anthony Reina, Pablo Ribalta, Jacob
Rosenthal, Abhishek Singh, Jayaraman J. Thiagarajan, Anna Wuest, Maria
Xenochristou, Daguang Xu, Poonam Yadav, Michael Rosenthal, Massimo Loda,
Jason M. Johnson, Peter Mattson
- Abstract要約: この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
- 参考スコア(独自算出の注目度): 110.31526448744096
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Medical AI has tremendous potential to advance healthcare by supporting the
evidence-based practice of medicine, personalizing patient treatment, reducing
costs, and improving provider and patient experience. We argue that unlocking
this potential requires a systematic way to measure the performance of medical
AI models on large-scale heterogeneous data. To meet this need, we are building
MedPerf, an open framework for benchmarking machine learning in the medical
domain. MedPerf will enable federated evaluation in which models are securely
distributed to different facilities for evaluation, thereby empowering
healthcare organizations to assess and verify the performance of AI models in
an efficient and human-supervised process, while prioritizing privacy. We
describe the current challenges healthcare and AI communities face, the need
for an open platform, the design philosophy of MedPerf, its current
implementation status, and our roadmap. We call for researchers and
organizations to join us in creating the MedPerf open benchmarking platform.
- Abstract(参考訳): 医療AIは、エビデンスベースの医療の実践を支援し、患者の治療をパーソナライズし、コストを削減し、提供者と患者体験を改善することで、医療を前進させる大きな可能性を秘めている。
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
このニーズを満たすため、医療領域で機械学習をベンチマークするオープンフレームワークであるMedPerfを構築しています。
medperfは、モデルが異なる評価施設に安全に配布されるフェデレーション評価を可能にし、医療組織に対して、プライバシを優先順位付けしながら、効率的かつ監視されたプロセスでaiモデルのパフォーマンスを評価し検証する権限を与える。
我々は、医療とAIコミュニティが直面する現在の課題、オープンプラットフォームの必要性、MedPerfの設計哲学、現在の実装状況、ロードマップについて説明する。
medperf open benchmarking platformの開発には,研究者や組織も参加してほしいと考えています。
関連論文リスト
- Data-Centric Foundation Models in Computational Healthcare: A Survey [22.459507690070463]
AI技術の新たなスイートとしてのファンデーションモデル(FM)は、計算医療の波を巻き起こしている。
我々は、AIセキュリティ、アセスメント、および人間の価値との整合性における重要な視点について議論する。
本報告では,患者の予後と臨床ワークフローを向上するために,FMベースの分析を期待できる展望を提供する。
論文 参考訳(メタデータ) (2024-01-04T08:00:32Z) - README: Bridging Medical Jargon and Lay Understanding for Patient
Education through Data-Centric NLP [9.746045026596638]
医療用語を患者に親しみやすい平易な言語に簡略化することを目的とした,レイ定義の自動生成という新たなタスクを導入する。
私たちはまず、2万以上のユニークな医療用語と30万件の言及からなるデータセットを作成しました。
また、データフィルタリング、拡張、選択を相乗化してデータ品質を改善する、データ中心のHuman-AIパイプラインも開発しました。
論文 参考訳(メタデータ) (2023-12-24T23:01:00Z) - Zero-Shot Medical Information Retrieval via Knowledge Graph Embedding [27.14794371879541]
本稿では、ゼロショット医療情報検索(MIR)の新しいアプローチであるMedFusionRankを紹介する。
提案手法は、学習済みのBERTスタイルのモデルを用いて、コンパクトだが情報的なキーワードを抽出する。
これらのキーワードは、医療知識グラフ内の概念エンティティにリンクすることで、ドメイン知識に富む。
論文 参考訳(メタデータ) (2023-10-31T16:26:33Z) - Applying Bayesian Ridge Regression AI Modeling in Virus Severity
Prediction [0.0]
医療専門家に最先端ウイルス分析をもたらすAIモデルであるBayesian Ridge Regressionの長所と短所をレビューする。
モデルの精度評価は有望な結果を示し、改善の余地があった。
さらに、重症度指数は、患者のケアニーズを概観するための貴重なツールとして機能する。
論文 参考訳(メタデータ) (2023-10-14T04:17:00Z) - A Trustworthy Framework for Medical Image Analysis with Deep Learning [71.48204494889505]
TRUDLMIAは医用画像解析のための信頼できるディープラーニングフレームワークである。
新型コロナウイルス(COVID-19)などの公衆衛生危機への対応に深層学習の活用を推進していくため、研究者や臨床医を支援することが期待されている。
論文 参考訳(メタデータ) (2022-12-06T05:30:22Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳(メタデータ) (2022-05-19T17:34:18Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳(メタデータ) (2021-06-08T10:38:09Z) - Privacy-preserving medical image analysis [53.4844489668116]
医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。
集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。
グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
論文 参考訳(メタデータ) (2020-12-10T13:56:00Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳(メタデータ) (2020-09-24T00:42:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。