PulseAugur
中
实时 07:03:25
English(EN) Where Physics Meets Privacy: Federated PINNs for Privacy-Preserving Brain Tumor Biomechanical Modeling

联邦PINN在保护患者隐私的同时增强脑肿瘤建模能力

作者 PulseAugur 编辑部 · [1 个来源] ·

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 →

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

联邦PINN在保护患者隐私的同时增强脑肿瘤建模能力

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Mahmuda Akter Sristy, Md Al-Mahfuz Chowdhury, Momota Ahsana Meem, Sajid Ahamed, Kazi Irfan Subhan ·

    物理学与隐私的交汇：用于隐私保护脑肿瘤生物力学建模的联邦PINNs

    arXiv:2607.26207v1 Announce Type: new Abstract: Brain tumors such as glioma, meningioma, and pituitary adenoma alter the mechanical behavior of soft brain tissue, yet common diagnostic methods rely on static imaging that cannot capture tumor growth, tissue displacement, or change…

相关实体

相关话题