論文の概要: Trustworthy Privacy-preserving Hierarchical Ensemble and Federated Learning in Healthcare 4.0 with Blockchain

• arxiv url: http://arxiv.org/abs/2305.09209v1
• Date: Tue, 16 May 2023 06:37:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-17 16:04:24.134778
• Title: Trustworthy Privacy-preserving Hierarchical Ensemble and Federated Learning in Healthcare 4.0 with Blockchain
• Title（参考訳）: ブロックチェーンによる医療4.0における信頼できるプライバシ保護階層化とフェデレーション学習
• Authors: Veronika Stephanie, Ibrahim Khalil, Mohammed Atiquzzaman and Xun Yi
• Abstract要約: 医療4.0では、早期疾患検出にIoT対応の医療画像装置を使用することで、医療従事者が医療機関のサービス品質を向上させることができる。 しかしながら、Healthcare 4.0は、データプライバシの懸念から、他のIndustrial 4.0と比較して、人工知能とビッグデータではまだ遅れている。 本稿では,医療機関のデータから異種モデルを学習し,ユーザのプライバシーを侵害することなく,セキュアなマルチパーティ計算に基づくアンサンブル学習を提案する。
• 参考スコア（独自算出の注目度）: 22.491716701288794
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advancement of Internet and Communication Technologies (ICTs) has led to the era of Industry 4.0. This shift is followed by healthcare industries creating the term Healthcare 4.0. In Healthcare 4.0, the use of IoT-enabled medical imaging devices for early disease detection has enabled medical practitioners to increase healthcare institutions' quality of service. However, Healthcare 4.0 is still lagging in Artificial Intelligence and big data compared to other Industry 4.0 due to data privacy concerns. In addition, institutions' diverse storage and computing capabilities restrict institutions from incorporating the same training model structure. This paper presents a secure multi-party computation-based ensemble federated learning with blockchain that enables heterogeneous models to collaboratively learn from healthcare institutions' data without violating users' privacy. Blockchain properties also allow the party to enjoy data integrity without trust in a centralized server while also providing each healthcare institution with auditability and version control capability.
• Abstract（参考訳）: Internet and Communication Technologies(ICT)の進歩は、産業4.0の時代に繋がった。 この変化の後、医療産業はヘルスケア4.0という用語を生み出した。 医療4.0では、早期疾患検出にIoT対応の医療画像装置を使用することで、医療従事者が医療機関のサービス品質を向上させることができる。 しかし、データプライバシの懸念から、ヘルスケア4.0は、他の業界4.0と比べて人工知能とビッグデータに遅れを取っている。 さらに、機関の多様なストレージとコンピューティング能力は、機関が同じトレーニングモデル構造を組み込むことを制限している。 本稿では、ブロックチェーンを用いたセキュアなマルチパーティ計算に基づくアンサンブル・フェデレーション・ラーニングを提案し、不均一なモデルが、ユーザのプライバシーを侵害することなく、医療機関のデータから協調的に学習できるようにする。 ブロックチェーンのプロパティは、集中型サーバを信頼せずにデータの整合性を享受すると同時に、各医療機関に監査性とバージョン管理機能を提供する。

関連論文リスト

• Block MedCare: Advancing healthcare through blockchain integration [0.0]
  本稿では、医療におけるブロックチェーン技術の統合について検討する。 電子健康記録(EHR)の管理とデータ共有に革命をもたらす可能性に焦点を当てている。 本稿では,患者が医療データを安全に保存し,管理できるようにするための新しいシステムを提案する。
  論文  参考訳（メタデータ） (2024-10-07T17:54:13Z)
• Decentralized Health Intelligence Network (DHIN) [0.0]
  分散ヘルスインテリジェンスネットワーク(DHIN)は、医療データ主権とAI利用の課題に取り組むために、分散インテリジェンスネットワーク(DIN)フレームワークを拡張している。 DINの原則に基づいて、DHINは医療固有のコンポーネントを導入し、プロバイダや機関間のデータの断片化に取り組む。 多様な健康データソースにアクセスするための障壁を克服することで、効果的なAI利用を促進する。
  論文  参考訳（メタデータ） (2024-08-12T15:47:26Z)
• healthAIChain: Improving security and safety using Blockchain Technology applications in AI-based healthcare systems [0.0]
  bitcoin以降、ブロックチェーン技術は医療産業や医療分野に応用された汎用技術へと発展してきた。 この研究は、AIベースのヘルスケアシステムにブロックチェーンを実装することで、セキュリティと安全性が改善されていることを詳しく説明している。 医療および医療産業における人工知能、潜在的な分野、医療システムにおけるブロックチェーンに関するオープンな疑問についても検討した。
  論文  参考訳（メタデータ） (2023-11-01T20:47:36Z)
• Blockchain-empowered Federated Learning for Healthcare Metaverses: User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
  まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。 次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
  論文  参考訳（メタデータ） (2023-07-29T12:54:03Z)
• 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)
• A Secure Healthcare 5.0 System Based on Blockchain Technology Entangled with Federated Learning Technique [0.44040106718326594]
  セキュリティとプライバシは、IoMT(Internet of Medical Things)業界における重要な懸念事項である。 早期に懸念を特定することで、スマートヘルスケアシステムは長期的なダメージを避けるのに役立つ。 本研究は、ブロックチェーン技術と侵入検知システム(IDS)を活用して、医療5.0に安全な健康モニタリングシステムを構築することを目的とする。
  論文  参考訳（メタデータ） (2022-09-16T23:25:42Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• 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)
• User-Centric Health Data Using Self-sovereign Identities [69.50862982117127]
  本稿では、健康データのプライバシーと管理を改善するために、発行者自尊心(SSI)と分散Ledger Technologies(DLT)の潜在的利用について述べる。 論文では、保健分野における分散IDの顕著なユースケースをリストアップし、効果的なブロックチェーンベースのアーキテクチャについて論じる。
  論文  参考訳（メタデータ） (2021-07-26T17:09:52Z)
• Peer Learning for Skin Lesion Classification [53.425900196763756]
  皮膚がんは世界で最も致命的ながんの1つである。 近年の深層学習法は皮膚がんの分類において皮膚科医レベルの性能を示した。 FedPerlは半教師付きフェデレーション学習方法です。
  論文  参考訳（メタデータ） (2021-03-05T14:26:15Z)
• GDPR Compliance for Blockchain Applications in Healthcare [0.9590956574213347]
  医療データは患者のプライバシーを確保するために高度に規制されている。 ブロックチェーンの特徴は、相互運用性を改善し、健康データへのアクセス制御を可能にする。 開発者はGドメインに準拠した設計を選択する必要がある。
  論文  参考訳（メタデータ） (2020-09-27T18:05:25Z)

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。