論文の概要: FedHK-MVFC: Federated Heat Kernel Multi-View Clustering

• arxiv url: http://arxiv.org/abs/2509.15844v1
• Date: Fri, 19 Sep 2025 10:27:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:11.127089
• Title: FedHK-MVFC: Federated Heat Kernel Multi-View Clustering
• Title（参考訳）: FedHK-MVFC:Federated Heat Kernel Multi-View Clustering
• Authors: Kristina P. Sinaga,
• Abstract要約: 本稿では、量子場理論と医療分析を結びつけるマルチビュークラスタリングフレームワークを提案する。 本手法では, スペクトル解析から熱核係数を用いてユークリッド距離を幾何学的類似度尺度に変換する。 中央分析のためのHeat Kernel-Enhanced Multi-View Fuzzy Clustering (HK-MVFC) と、病院全体で安全なプライバシー保護学習のためのFederated Heat Kernel Multi-View Fuzzy Clustering (FedHK-MVFC) の2つのアルゴリズムが開発された。
• 参考スコア（独自算出の注目度）: 2.538209532048867
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the realm of distributed AI and privacy-focused medical applications, we propose a framework for multi-view clustering that links quantum field theory with federated healthcare analytics. Our method uses heat-kernel coefficients from spectral analysis to convert Euclidean distances into geometry-aware similarity measures, capturing the structure of diverse medical data. We lay this out through the Heat Kernel Distance (HKD) transformation with convergence guarantees. Two algorithms are developed: Heat Kernel-Enhanced Multi-View Fuzzy Clustering (HK-MVFC) for central analysis, and Federated Heat Kernel Multi-View Fuzzy Clustering (FedHK-MVFC) for secure, privacy-preserving learning across hospitals using differential privacy and secure aggregation to facilitate HIPAA-compliant collaboration. Tests on synthetic datasets of cardiovascular patients show an $8-12 \%$ increase in clustering accuracy, $70 \%$ reduced communication, and $98.2 \%$ efficiency retention over centralized methods. Validated on 10,000 patient records across two hospitals, it proves useful for collaborative phenotyping involving ECG, cardiac imaging, and behavioral data. Our theoretical contributions include update rules with proven convergence, adaptive view weighting, and privacy-preserving protocols. This presents a new standard for geometry-aware federated learning in healthcare, turning advanced math into workable solutions for analyzing sensitive medical data while ensuring both rigor and clinical relevance.
• Abstract（参考訳）: 分散AIとプライバシ重視の医療応用の分野では、量子場理論とフェデレートされた医療分析を結びつけるマルチビュークラスタリングのためのフレームワークを提案する。 本手法では, スペクトル解析から熱カーネル係数を用いてユークリッド距離を幾何学的類似度尺度に変換し, 多様な医療データの構造を捉える。 コンバージェンス保証とともに、Heat Kernel Distance(HKD)変換を通じてこれをレイアウトする。 中央分析のためのHeat Kernel-Enhanced Multi-View Fuzzy Clustering (HK-MVFC) と、HIPAA準拠のコラボレーションを促進するために、差分プライバシとセキュアアグリゲーションを使用して病院全体で安全なプライバシー保護学習を行うFederated Heat Kernel Multi-View Fuzzy Clustering (FedHK-MVFC) の2つのアルゴリズムが開発された。 心血管系患者の人工的データセットの試験では、クラスタリング精度が8～12 %、コミュニケーションが70 %、集中的な方法による効率の維持が9,8.2 %である。 2つの病院で1万件の患者記録が検証され、心電図、心臓画像、行動データを含む共同表現に有用であることが証明された。 私たちの理論的貢献には、実証された収束、適応的なビュー重み付け、プライバシ保護プロトコルによる更新ルールが含まれます。 これは、医療における幾何学を意識したフェデレーション学習の新しい標準を示し、高度な数学を、厳格性と臨床的関連性の両方を確保しつつ、機密性の高い医療データを分析するための実用的なソリューションに変える。

関連論文リスト

• Sensing Cardiac Health Across Scenarios and Devices: A Multi-Modal Foundation Model Pretrained on Heterogeneous Data from 1.7 Million Individuals [36.08910150609342]
  広大で異質な健康記録から統一された表現を学習する心センシング基礎モデル(CSFM)を提案する。 我々のモデルは、複数の大規模データセットからのデータの革新的なマルチモーダル統合に基づいて事前訓練されている。 CSFMは従来のワンモーダル・ワン・タスク・アプローチより一貫して優れている。
  論文  参考訳（メタデータ） (2025-06-23T20:58:12Z)
• Enhanced ECG Arrhythmia Detection Accuracy by Optimizing Divergence-Based Data Fusion [5.575308369829893]
  ケルネル密度推定(KDE)とクルバック・リーブラー(KL)の発散を利用した特徴量に基づく融合アルゴリズムを提案する。 健常者2000名, 病人2000名から収集した心電図による社内データセットを用いて, PTB-XLデータセットを用いて本手法の検証を行った。 その結果, 本手法は, 統合データセットにおける異常心電図症例の特徴に基づく分類精度を大幅に向上させることを示した。
  論文  参考訳（メタデータ） (2025-03-19T12:16:48Z)
• Predicting Cardiopulmonary Exercise Testing Outcomes in Congenital Heart Disease Through Multi-modal Data Integration and Geometric Learning [1.8597900718300184]
  心肺運動テスト(CPET)は、重要な生理的変数を測定することにより、機能的能力の総合的な評価を提供する。 本研究では,先天性心疾患(CHD)患者におけるCPET変数を代理的死亡エンドポイントとして活用する。 これは、心電図と臨床文字から得られる情報を統合することでCPETの結果を予測する高度な機械学習アプローチの最初の成功例である。
  論文  参考訳（メタデータ） (2025-03-18T13:20:22Z)
• Multi-Omics Fusion with Soft Labeling for Enhanced Prediction of Distant Metastasis in Nasopharyngeal Carcinoma Patients after Radiotherapy [4.971538849792411]
  オミクスデータの統合で直面する課題の1つは、予測不能の存在である。 本研究の目的は,オミクスデータに固有の相違を緩和する融合手法を開発することである。
  論文  参考訳（メタデータ） (2025-02-12T05:26:59Z)
• Federated Learning for Coronary Artery Plaque Detection in Atherosclerosis Using IVUS Imaging: A Multi-Hospital Collaboration [8.358846277772779]
  経皮的冠動脈インターベンション(PCI)における血管内超音波(IVUS)画像の従来的解釈は時間集約的かつ矛盾する。 多段階セグメンテーションアーキテクチャを持つ並列2次元U-Netモデルを開発した。 0.706のDice similarity Coefficient (DSC) は、プラークを効果的に識別し、リアルタイムで円形の境界を検出する。
  論文  参考訳（メタデータ） (2024-12-19T13:06:28Z)
• Communication-Efficient Hybrid Federated Learning for E-health with Horizontal and Vertical Data Partitioning [67.49221252724229]
  E-Healthは、スマートデバイスや医療機関が患者のデータを共同で収集することを可能にする。 eヘルスにフェデレートされた学習を適用することは、多くの課題に直面します。 医療データは水平および垂直に分割される。 HFLとVFLの単純な組み合わせには、訓練効率の低下、難聴収束分析、パラメータチューニング戦略の欠如など、制限がある。
  論文  参考訳（メタデータ） (2024-04-15T19:45:07Z)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• Auto-FedRL: Federated Hyperparameter Optimization for Multi-institutional Medical Image Segmentation [48.821062916381685]
  Federated Learning(FL)は、明示的なデータ共有を避けながら協調的なモデルトレーニングを可能にする分散機械学習技術である。 本稿では,Auto-FedRLと呼ばれる,効率的な強化学習(RL)に基づくフェデレーションハイパーパラメータ最適化アルゴリズムを提案する。 提案手法の有効性は,CIFAR-10データセットと2つの実世界の医用画像セグメンテーションデータセットの不均一なデータ分割に対して検証される。
  論文  参考訳（メタデータ） (2022-03-12T04:11:42Z)
• Complex-valued Federated Learning with Differential Privacy and MRI Applications [51.34714485616763]
  複雑な値を持つガウスのメカニズムを導入し、その振る舞いは$f$-DP、$(varepsilon, delta)$-DP、R'enyi-DPで特徴づけられる。 本稿では,DPと互換性のある複雑なニューラルネットワークプリミティブを提案する。 実験では,実世界の課題に対して,DPを用いた複合数値ニューラルネットワークを訓練することで概念実証を行う。
  論文  参考訳（メタデータ） (2021-10-07T14:03:00Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)

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。