联邦PINN在保护患者隐私的同时增强脑肿瘤建模能力

研究人员开发了一种联邦物理信息神经网络（PINN），以解决脑肿瘤生物力学建模中的隐私问题。该方法将联邦学习与源自线性弹性方程的物理信息损失函数相结合，允许多个临床站点在不共享原始信息的情况下，利用患者MRI数据训练本地模型。联邦模型实现了91.4%的总体准确率，优于在汇总数据上训练的非联邦基线模型，并显示出对垂体肿瘤的准确性有所提高。 AI

影响 这种方法可以促进在敏感医疗领域中更具协作性和隐私保护性的AI研究。

排序理由 该集群描述了一篇在arXiv上发表的研究论文，其中详细介绍了一种新的AI驱动的生物力学建模方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• FedAvg
• General Data Protection Regulation
• glioma
• Health Insurance Portability and Accountability Act
• Mahmuda Akter Sristy
• meningioma
• physics-informed neural networks
• pituitary adenoma

• 论文
• 安全
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →