論文の概要: Federated Learning on Patient Data for Privacy-Protecting Polycystic
Ovary Syndrome Treatment
- arxiv url: http://arxiv.org/abs/2308.11220v1
- Date: Tue, 22 Aug 2023 06:21:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 19:06:50.498696
- Title: Federated Learning on Patient Data for Privacy-Protecting Polycystic
Ovary Syndrome Treatment
- Title(参考訳): プライバシー保護型多嚢胞性卵巣症候群治療における患者データに基づく連合学習
- Authors: Lucia Morris, Tori Qiu, Nikhil Raghuraman
- Abstract要約: 多発性嚢胞性卵巣症候群(PCOS)に対するフェデレートラーニング(Federated Learning)の有用性について検討した。
PCOSは世界中で何百万もの女性に影響を及ぼす深刻なホルモン障害だが、理解は不十分で、研究は患者のデータ不足に悩まされている。
FLアプローチがPCOS患者データセットの合成に成功していることを示す。
提案するFLモデルは,PCOS患者にプライバシ保証を提供しながら,大量の多様なデータにアクセスし,最も効果的な治療オプションを特定するためのツールである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The field of women's endocrinology has trailed behind data-driven medical
solutions, largely due to concerns over the privacy of patient data. Valuable
datapoints about hormone levels or menstrual cycling could expose patients who
suffer from comorbidities or terminate a pregnancy, violating their privacy. We
explore the application of Federated Learning (FL) to predict the optimal drug
for patients with polycystic ovary syndrome (PCOS). PCOS is a serious hormonal
disorder impacting millions of women worldwide, yet it's poorly understood and
its research is stunted by a lack of patient data. We demonstrate that a
variety of FL approaches succeed on a synthetic PCOS patient dataset. Our
proposed FL models are a tool to access massive quantities of diverse data and
identify the most effective treatment option while providing PCOS patients with
privacy guarantees.
- Abstract(参考訳): 女性の内分泌学の分野は、主に患者データのプライバシーに関する懸念から、データ駆動医療ソリューションに遅れを取っている。
ホルモンレベルや月経周期に関する貴重なデータポイントは、共生や妊娠に苦しむ患者を曝し、プライバシーを侵害する可能性がある。
本研究では,多嚢胞性卵巣症候群 (pcos) に対する最適薬剤の予測へのフェデレート学習 (fl) の適用について検討した。
PCOSは世界中で何百万もの女性に影響を及ぼす深刻なホルモン障害だが、理解は不十分で、研究は患者のデータ不足に悩まされている。
FLアプローチがPCOS患者データセットの合成に成功していることを示す。
提案するFLモデルは,PCOS患者にプライバシ保証を提供しながら,大量の多様なデータにアクセスし,最も効果的な治療オプションを特定するためのツールである。
関連論文リスト
- Leveraging Federated Learning for Automatic Detection of Clopidogrel
Treatment Failures [0.8132630541462695]
本研究では,クロピドッグレル処理障害検出のためのフェデレーション学習戦略を活用する。
地理的中心に基づいてデータを分割し,フェデレート学習の性能を評価した。
クロピドッグレル治療障害検出におけるフェデレート学習の可能性について検討した。
論文 参考訳(メタデータ) (2024-03-05T23:31:07Z) - Binary Gaussian Copula Synthesis: A Novel Data Augmentation Technique to
Advance ML-based Clinical Decision Support Systems for Early Prediction of
Dialysis Among CKD Patients [4.80104397397529]
アメリカ疾病管理センターは、米国成人3700万人以上が慢性腎臓病(CKD)を患っていると推定している。
このうち10人のうち9人は、早期に症状がないことから、自分の状態に気付いていない。
透析の早期予測は、患者の結果を大幅に改善できるため、重要である。
論文 参考訳(メタデータ) (2024-03-01T20:32:17Z) - Multi-modal Learning based Prediction for Disease [15.306495902841903]
非アルコール性脂肪肝疾患(NAFLD)は慢性肝疾患の最も一般的な原因であり、進行性線維症や肝硬変を防ぐために正確に予測できる。
本稿では,包括的臨床データセット(FLDData)とマルチモーダル学習に基づくNAFLD予測手法(DeepFLD)を組み合わせたNAFLD診断システム(DeepFLDDiag)を提案する。
提案されているDeepFLDは、メタデータや顔画像を含むマルチモーダル入力を使用してNAFLDを予測するように設計されたディープニューラルネットワークモデルである。
論文 参考訳(メタデータ) (2023-07-19T08:21:01Z) - Leveraging Generative AI Models for Synthetic Data Generation in
Healthcare: Balancing Research and Privacy [0.0]
GANやVAEといった生成AIモデルは、貴重なデータアクセスと患者のプライバシ保護のバランスをとるための、有望なソリューションを提供する。
本稿では,現実的な匿名化された患者データを作成するための生成AIモデルについて検討する。
論文 参考訳(メタデータ) (2023-05-09T08:12:44Z) - Large Language Models for Healthcare Data Augmentation: An Example on
Patient-Trial Matching [49.78442796596806]
患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。
本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
論文 参考訳(メタデータ) (2023-03-24T03:14:00Z) - AI Models Close to your Chest: Robust Federated Learning Strategies for
Multi-site CT [3.0888799865182395]
医学におけるAI研究は、多種多様なデータソースの少ないロコリージョンの患者コホートに重点を置いている。
フェデレーション・ラーニング(FL)は、データ共有なしに病院間での学習を可能にするAI開発のための潜在的経路の1つである。
新型コロナウイルスの胸部CTデータセットの最大かつ多彩な1つについて,様々なFL戦略の結果を示す。
論文 参考訳(メタデータ) (2023-03-23T13:38:29Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳(メタデータ) (2022-07-26T02:08:08Z) - 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) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳(メタデータ) (2021-03-18T03:31:33Z) - FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
新型コロナウイルスの感染拡大で医療資源が不足している。
新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。
患者のプライバシー上の懸念から、データそのものはまだ乏しい。
我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
論文 参考訳(メタデータ) (2021-02-10T01:56:58Z) - HINT: Hierarchical Interaction Network for Trial Outcome Prediction
Leveraging Web Data [56.53715632642495]
臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。
本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
論文 参考訳(メタデータ) (2021-02-08T15:09:07Z)
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。