PulseAugur
中
实时 23:54:48
English(EN) FederatedRSF : Federated Random Survival Forests for Partially Overlapping Medical Data

FederatedRSF 支持隐私保护的医疗数据分析

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 FederatedRSF，一个用于联邦随机生存森林的 Python 包。该工具解决了在遵守隐私法规和处理特征异质性的同时，对来自多个机构的医疗数据进行预测模型训练的挑战。FederatedRSF 聚合本地训练的生存树，允许在不共享原始患者数据的情况下进行推理，并且已证明其性能与集中式训练方法相当。 AI

影响 通过促进机构间的协作模型训练而不损害患者隐私，实现更强大和更具泛化性的医疗预测。

排序理由 发布了一篇详细介绍新方法和相关软件包的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Maryam Moradpour, Jonas Harriehausen, Amirreza Aleyasin, Lion Philipp Wolf, Youngjun Park, Anne-Christin Hauschild ·

    FederatedRSF : Federated Random Survival Forests for Partially Overlapping Medical Data

    arXiv:2605.22954v1 Announce Type: new Abstract: Multi-center survival prediction can improve robustness and generalizability, yet privacy regulations and institutional governance often prevent pooling patient-level clinical and genomic data across institutions. In practice, deplo…

相关实体

相关话题