論文の概要: Implementing a Nordic-Baltic Federated Health Data Network: a case report

• arxiv url: http://arxiv.org/abs/2409.17865v1
• Date: Thu, 26 Sep 2024 14:15:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-28 17:47:26.018907
• Title: Implementing a Nordic-Baltic Federated Health Data Network: a case report
• Title（参考訳）: ノルディック・バルト・フェデレーション・ヘルス・データ・ネットワークを実践した1例 報告
• Authors: Taridzo Chomutare, Aleksandar Babic, Laura-Maria Peltonen, Silja Elunurm, Peter Lundberg, Arne J\"onsson, Emma Eneling, Ciprian-Virgil Gerstenberger, Troels Siggaard, Raivo Kolde, Oskar Jerdhaf, Martin Hansson, Alexandra Makhlysheva, Miroslav Muzny, Erik Ylip\"a\"a, S{\o}ren Brunak and Hercules Dalianis
• Abstract要約: 我々は5か国6機関からなるフェデレーション型健康データネットワークを開発するための学際コンソーシアムを結成した。 本報告の目的は,このネットワークの開発経験に関する早期知見を提供することである。
• 参考スコア（独自算出の注目度）: 56.96209893909196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: Centralized collection and processing of healthcare data across national borders pose significant challenges, including privacy concerns, data heterogeneity and legal barriers. To address some of these challenges, we formed an interdisciplinary consortium to develop a feder-ated health data network, comprised of six institutions across five countries, to facilitate Nordic-Baltic cooperation on secondary use of health data. The objective of this report is to offer early insights into our experiences developing this network. Methods: We used a mixed-method ap-proach, combining both experimental design and implementation science to evaluate the factors affecting the implementation of our network. Results: Technically, our experiments indicate that the network functions without significant performance degradation compared to centralized simu-lation. Conclusion: While use of interdisciplinary approaches holds a potential to solve challeng-es associated with establishing such collaborative networks, our findings turn the spotlight on the uncertain regulatory landscape playing catch up and the significant operational costs.
• Abstract（参考訳）: 背景: 国境を越えた医療データの集中収集と処理は、プライバシーの懸念、データの異質性、法的障壁など、重大な課題を提起する。 これらの課題に対処するため,我々は5か国6つの機関からなるフェデレーション型健康データネットワークを開発するための学際コンソーシアムを結成した。 本報告の目的は,このネットワークの開発経験に関する早期知見を提供することである。 方法: 実験設計と実装科学を組み合わせることで, ネットワークの実装に影響を与える要因を評価する。 結果: 本実験は, 集中型シミュレーションと比較して, 性能劣化のないネットワーク機能を示すものである。 結論: 学際的アプローチの活用は, 協調的なネットワーク構築に伴うチャレンの問題を解決する可能性を秘めている。

関連論文リスト

• Federated Hierarchical Tensor Networks: a Collaborative Learning Quantum AI-Driven Framework for Healthcare [0.0]
  今日の文脈では、フェデレーテッド・ラーニング(FL)は、分散機械学習の急速な進歩を助長する重要な治療法として際立っている。 本稿では,多体量子物理学の原理を応用した量子テンソルネットワークに基づく連合学習フレームワークを提案する。 一般的な医用画像データセットを用いた実験により、連合量子テンソルネットワークモデルは、曲線(ROC-AUC)の平均受信特性領域を0.91-0.98の範囲で達成した。
  論文  参考訳（メタデータ） (2024-05-13T13:32:02Z)
• Algorithmic Identification of Essential Exogenous Nodes for Causal Sufficiency in Brain Networks [1.9874264019909988]
  脳の因果関係などの因果関係の解明において、因果関係の仮定は重要な役割を担っている。 そこで本稿では, 因果関係に係わる必要を満足する本質的ノードを決定するためのアルゴリズム的同定手法を提案する。
  論文  参考訳（メタデータ） (2024-03-08T16:05:47Z)
• Treatment-Aware Hyperbolic Representation Learning for Causal Effect Estimation with Social Networks [17.25831411912408]
  観察データから個別治療効果(ITE)を推定することは重要な研究課題である。 隠れた共同設立者を特定する方法は、ITT推定において重要な課題となる。 近年の研究では、この課題に対処するために、ソーシャルネットワークの構造情報を取り入れている。
  論文  参考訳（メタデータ） (2024-01-12T13:02:39Z)
• A Framework for Exploring Federated Community Detection [4.358468367889626]
  フェデレーション・ラーニング(Federated Learning)は、データの常駐性やプライバシの制約を維持しながら、クライアントのネットワークにおける機械学習である。 コミュニティ検出は、グラフ構造化データ内のノードのクラスタの教師なし発見である。 私たちは、分散データによって導入されたパフォーマンスのギャップを示す、既存のデータセットをまたいだ初期実験を行います。
  論文  参考訳（メタデータ） (2023-12-14T15:13:04Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• 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)
• Challenges in biomarker discovery and biorepository for Gulf-war-disease studies: a novel data platform solution [48.7576911714538]
  ROSALINDという新しいデータプラットフォームを導入し、課題を克服し、健全で重要なコラボレーションを育み、科学的調査を進めます。 ROSALINDは、自己管理されたアクセシビリティ、リンク性、可積分性、中立性、信頼性を持つリソース有機体を指します。 過去12ヶ月のGWI研究におけるROSALINDの展開により、データ実験と分析のペースが加速し、多数のエラーソースが削除され、研究品質と生産性が向上しました。
  論文  参考訳（メタデータ） (2021-02-04T20:38:30Z)
• Cooperative LIDAR Object Detection via Feature Sharing in Deep Networks [11.737037965090535]
  協調物体検出(FS-COD)のための特徴共有の概念を導入する。 提案手法では, 協調車両間で部分的に処理されたデータを共有することにより, 環境の理解を深める。 提案手法は,従来の単車車物体検出手法よりも性能に優れていた。
  論文  参考訳（メタデータ） (2020-02-19T20:47:09Z)
• Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
  本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。 本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。 この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
  論文  参考訳（メタデータ） (2020-01-27T11:21:05Z)
• Deep Collaborative Embedding for information cascade prediction [58.90540495232209]
  本稿では,情報カスケード予測のためのDeep Collaborative Embedding (DCE) と呼ばれる新しいモデルを提案する。 本稿では, 自動エンコーダを用いた協調埋め込みフレームワークを提案し, カスケード協調とノード協調によるノード埋め込みを学習する。 実世界のデータセットで行った大規模な実験の結果、我々のアプローチの有効性が検証された。
  論文  参考訳（メタデータ） (2020-01-18T13:32:18Z)

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。