Fugu-MT 論文翻訳(概要): Towards a trustworthy, secure and reliable enclave for machine learning in a hospital setting: The Essen Medical Computing Platform (EMCP)

論文の概要: Towards a trustworthy, secure and reliable enclave for machine learning in a hospital setting: The Essen Medical Computing Platform (EMCP)

arxiv url: http://arxiv.org/abs/2201.04816v1
Date: Thu, 13 Jan 2022 07:21:03 GMT
ステータス: 処理完了
システム内更新日: 2022-01-14 15:12:41.539909
Title: Towards a trustworthy, secure and reliable enclave for machine learning in a hospital setting: The Essen Medical Computing Platform (EMCP)
Title（参考訳）: 病院における機械学習のための信頼性が高くセキュアで信頼性の高いエンクレーブに向けて--emcp(essen medical computing platform)
Authors: Hendrik F. R. Schmidt (1), J\"org Schl\"otterer (1, 2, 3), Marcel Bargull (1), Enrico Nasca (1, 3), Ryan Aydelott (1), Christin Seifert (1, 2, 3), Folker Meyer (1, 2) ((1) Institute for Artificial Intelligence in Medicine, University Hospital Essen, Essen, Germany (2) University of Duisburg-Essen, Essen, Germany (3) Cancer Research Center Cologne Essen (CCCE), Essen, Germany)
Abstract要約: 我々は,セキュアなリサーチ・コンピューティング・エンクレーブの実装に繋がる要件,計画,実装の選択について概説する。同様の設定を採用したいグループのために、私たちのレシピを提供します。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: AI/Computing at scale is a difficult problem, especially in a health care setting. We outline the requirements, planning and implementation choices as well as the guiding principles that led to the implementation of our secure research computing enclave, the Essen Medical Computing Platform (EMCP), affiliated with a major German hospital. Compliance, data privacy and usability were the immutable requirements of the system. We will discuss the features of our computing enclave and we will provide our recipe for groups wishing to adopt a similar setup.
Abstract（参考訳）: 大規模なAI/コンピューティングは、特にヘルスケア環境では難しい問題です。我々は,ドイツの主要病院に付属するセキュアな研究コンピューティングエンクレーブであるessen medical computing platform (emcp) の実装に繋がる,要件,計画,実装の選択,指針について概説する。コンプライアンス、データのプライバシ、ユーザビリティが、システムの不変要件だった。我々は,コンピュータ・エンクレーブの機能について議論し,同様の設定を希望するグループのレシピを提供する。

関連論文リスト

Which Client is Reliable?: A Reliable and Personalized Prompt-based Federated Learning for Medical Image Question Answering [51.26412822853409]
本稿では,医学的視覚的質問応答(VQA)モデルのための,パーソナライズド・フェデレーションド・ラーニング(pFL)手法を提案する。提案手法では,学習可能なプロンプトをTransformerアーキテクチャに導入し,膨大な計算コストを伴わずに,多様な医療データセット上で効率的にトレーニングする。
論文参考訳（メタデータ） (2024-10-23T00:31:17Z)
An Intelligent Quantum Cyber-Security Framework for Healthcare Data Management [4.828148213747833]
本稿では,医療データ管理におけるセキュリティとプライバシの潜在的な問題を克服する,包括的な量子ベースのフレームワークを提案する。提案したフレームワークは、高度な量子アプローチとより有能な量子アプローチを機械学習とを結合することで、医療データ管理全体を提供する。提案されたIQ-HDMフレームワークと最先端の手法の実験的評価と比較は、医療データセキュリティに関連するサイバー脅威に対処する上で、67.6%の大幅な改善を概説している。
論文参考訳（メタデータ） (2024-10-04T08:04:48Z)
Confidential and Protected Disease Classifier using Fully Homomorphic Encryption [0.09424565541639365]
多くのユーザーは、病気のために医療専門家に相談する前に、ChatGPTやBardのようなプラットフォームで潜在的な原因を探している。このようなプラットフォームの利便性にもかかわらず、個人医療データをオンラインで共有することは、悪意のあるプラットフォームの存在を含むリスクを引き起こす。安全かつプライベートな診断システムのためのFHEとDeep Learningを組み合わせた新しいフレームワークを提案する。
論文参考訳（メタデータ） (2024-05-05T02:10:00Z)
The Design and Implementation of a National AI Platform for Public Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。 AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
論文参考訳（メタデータ） (2023-04-24T08:00:02Z)
Modeling and Joint Optimization of Security, Latency, and Computational Cost in Blockchain-based Healthcare Systems [2.54403164787763]
我々は,レイテンシ,セキュリティ,計算コストの3つの指標を用いた共同最適化モデルを定式化する。本稿では,Adaptive Discrete Particle Swarm Algorithm (ADPSA) と呼ばれるアルゴリズムを提案する。我々は、ADPSAが既存のベンチマーク手法を一貫して上回っていることを広範な数値実験により実証した。
論文参考訳（メタデータ） (2023-03-28T09:29:29Z)
MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence using Federated Evaluation [110.31526448744096]
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。
論文参考訳（メタデータ） (2021-09-29T18:09:41Z)
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)
Using a Personal Health Library-Enabled mHealth Recommender System for Self-Management of Diabetes Among Underserved Populations: Use Case for Knowledge Graphs and Linked Data [0.11470070927586014]
本稿では、患者PHLに蓄積されたデジタルヘルスデータとコンテキスト知識の他のソースの両方を組み込んだモバイルヘルスデジタル介入の実施を報告する。我々は、phlに格納されている知識のタイプの構築、管理、統合に使用される技術基盤について述べる。提案するphlは、患者とその介護者が健康に関する意思決定において中心的な役割を果たすのに役立つ。
論文参考訳（メタデータ） (2021-03-16T20:43:17Z)
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)
CPAS: the UK's National Machine Learning-based Hospital Capacity Planning System for COVID-19 [111.69190108272133]
新型コロナウイルス(COVID-19)の2019年は、集中治療リソースに対する前例のない需要を伴う圧倒的な医療システムの脅威となる。病院資源計画のための機械学習システムであるCPAS(COVID-19 Capacity Planning and Analysis System)を開発した。 CPASは、新型コロナウイルス(COVID-19)のパンデミックに対処するため、全国規模で病院に配備された最初の機械学習ベースのシステムの一つだ。
論文参考訳（メタデータ） (2020-07-27T19:39:13Z)

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。