論文の概要: A Simulated Federated Analysis of MS-Induced Brain Lesions

• arxiv url: http://arxiv.org/abs/2605.08223v1
• Date: Wed, 06 May 2026 14:55:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.475576
• Title: A Simulated Federated Analysis of MS-Induced Brain Lesions
• Title（参考訳）: シミュレーションによるMS誘発脳病変の解析
• Abstract要約: 本稿では,多発性硬化症(MS)患者データの解析に焦点をあてた実世界のフェデレーション研究プロジェクトをエミュレートするシミュレーションフレームワークを提案する。 我々は,MS関連臨床および人口動態の特徴を反映した高忠実度合成コーホートの連合を構築した。 このフレームワークは、MS研究の文脈におけるフェデレーション学習手法の開発、評価、ベンチマークのための現実的なテストベッドを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Federated techniques such as federated learning and federated analysis have emerged as a powerful paradigm for enabling multi-center research on sensitive clinical data while preserving patient privacy. In this study, we introduce a simulation framework that emulates a real-world federated research project focused on the analysis of multiple sclerosis (MS) patient data. The project comprises two components: an image segmentation task and a clinical data analysis task, where federated variants of survival analysis and Principal Component Analysis (PCA) are employed. To capture the complexity and heterogeneity of real clinical datasets, we construct a federation of high-fidelity synthetic cohorts designed to mirror MS-related clinical and demographic characteristics, while the imaging component leverages publicly available real-world datasets. Our simulation replicates key elements of authentic federated workflows, including distributed data governance, site-specific preprocessing, model training across isolated nodes, and the secure aggregation of analytical outputs. This framework provides a realistic testbed for developing, evaluating, and benchmarking federated learning methods in the context of MS research.
• Abstract（参考訳）: フェデレーション・ラーニングやフェデレーション・アナリティクスといったフェデレーション・テクニックは、患者のプライバシを保ちながら、センシティブな臨床データに対するマルチセンタ・リサーチを可能にする強力なパラダイムとして登場した。 本研究では,多発性硬化症(MS)患者データの解析に焦点をあてた実世界のフェデレーション研究プロジェクトをエミュレートするシミュレーションフレームワークを提案する。 このプロジェクトは、画像分割タスクと臨床データ分析タスクの2つのコンポーネントから構成されており、生存分析の連合的なバリエーションと主成分分析(PCA)が採用されている。 実際の臨床データセットの複雑さと不均一性を捉えるため,MS関連臨床および人口動態の特徴を反映した高忠実な合成コホートのフェデレーションを構築し,画像成分は利用可能な実世界のデータセットを活用する。 シミュレーションでは、分散データガバナンス、サイト固有の前処理、独立したノード間のモデルトレーニング、分析出力のセキュアな集約など、フェデレーションワークフローの重要な要素を再現する。 このフレームワークは、MS研究の文脈におけるフェデレーション学習手法の開発、評価、ベンチマークのための現実的なテストベッドを提供する。

関連論文リスト

• LatentVerse: A Framework for Understanding Shared and Modality-Specific Information in Multimodal Latent Representations [1.6926314031847856]
  本稿では、レポート駆動による探索と、スケーラブルな技術的探索のためのコマンドラインインターフェースを組み合わせた表現分析リソースであるLatentVerseを紹介する。 LatentVerseは、さまざまな表現品質メトリクスの診断を統一し、共有およびモダリティ固有のコンポーネントに埋め込み、マルチモーダル設定に拡張する。 実生医学的な埋め込みの発見指向分析と多様なユースケースを対象としたユーザスタディにより,LatentVerseの評価を行った。
  論文  参考訳（メタデータ） (2026-09-11T02:34:29Z)
• Establishing a Dynamic Multimodal HRI Dataset for Engagement Analysis with a Humanoid Robot [0.0]
  本稿では,ヒューマンロボットインタラクション(HRI)におけるユーザエンゲージメントを分析するためのマルチモーダルデータセットを構築するための実験設計について述べる。 本研究では,様々な作業複雑性のレベルにおいて,ウェアラブルの生理的信号,行動データ,自己申告手段を含むマルチモーダルデータセットを構築するための構造化データ収集プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-09-03T01:29:44Z)
• Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
  認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。 COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。 本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
  論文  参考訳（メタデータ） (2026-07-24T04:26:47Z)
• A Systematic Survey and Benchmark of Deep Learning for Molecular Property Prediction in the Foundation Model Era [57.5440098776759]
  分子特性予測は、量子化学、化学情報学、深層学習を統合し、分子構造と生物学的挙動を結びつける。 この調査は、Quantum、Descriptor Machine Learning、Geometric Deep Learning、Foundation Modelsの4つの補完パラダイムをトレースする。 ベンチマーク分析は、広く使われているデータセットと業界的な視点を反映したデータセットの両方からエビデンスを統合する。
  論文  参考訳（メタデータ） (2026-04-17T15:16:33Z)
• Foundation Models in Medical Image Analysis: A Systematic Review and Meta-Analysis [7.905460364844281]
  ファンデーションモデル(FM)は、医療画像解析に革命をもたらし、様々な医療画像タスクにおいて、ゼロショットと少数ショットのパフォーマンスを強く証明している。 FMは、ラベル付きおよびラベルなしのマルチモーダルデータセットの大規模なコーパスを利用して、一般化された表現を学習する。 医療画像におけるFM研究の急速な普及にもかかわらず、フィールドは断片化されている。 本稿では,医療画像解析におけるFMの包括的かつ構造化された分析について述べる。
  論文  参考訳（メタデータ） (2025-10-19T19:19:23Z)
• A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
  科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。 この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。 我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
  論文  参考訳（メタデータ） (2025-08-28T18:30:52Z)
• Clinical NLP with Attention-Based Deep Learning for Multi-Disease Prediction [44.0876796031468]
  本稿では,電子健康記録テキストの非構造的性質と高次元意味論的複雑さがもたらす課題について論じる。 情報抽出と多ラベル病予測のための統合モデリングを実現するために,注意機構に基づく深層学習手法を提案する。
  論文  参考訳（メタデータ） (2025-07-02T07:45:22Z)
• ClusMFL: A Cluster-Enhanced Framework for Modality-Incomplete Multimodal Federated Learning in Brain Imaging Analysis [28.767460351377462]
  脳画像解析の文脈では、モダリティの不完全性は重要な課題である。 本稿では,機能クラスタリングを利用した新しいMFLフレームワークであるClusMFLを提案する。 ClusMFLは、様々なモダリティの不完全性のレベルにまたがる様々なベースライン手法と比較して、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2025-02-14T09:33:59Z)
• A Survey on Computational Pathology Foundation Models: Datasets, Adaptation Strategies, and Evaluation Tasks [22.806228975730008]
  計算病理基盤モデル (CPathFMs) は, 組織学的データを解析するための強力なアプローチとして出現している。 これらのモデルは、セグメンテーション、分類、バイオマーカー発見のような複雑な病理タスクを自動化することを約束している。 しかし、CPathFMsの開発は、データアクセシビリティの制限、データセット間の高いばらつき、標準化された評価ベンチマークの欠如など、大きな課題を呈している。
  論文  参考訳（メタデータ） (2025-01-27T01:27:59Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Development and validation of a natural language processing algorithm to pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
  この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。 臨床文献のコーパスを12種類に分類した。 私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
  論文  参考訳（メタデータ） (2023-03-23T17:17:46Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)

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。