1727066132
2024-09-23 04:04:46
知っておくべきこと:
– 米国の大手医療センターや研究機関の専門家チームが NVIDIA 搭載のフェデレーテッド ラーニング この技術と AI 支援アノテーションが腫瘍セグメンテーション用の AI モデルのトレーニングに与える影響を調査します。
– NVIDIA を活用したフェデレーテッド ラーニングは、データ共有の課題を克服し、医用画像処理におけるより正確で一般化可能な AI モデルの開発を加速することを目指しています。
フェデレーテッドラーニング: データコラボレーションの革命
フェデレーテッド ラーニングは、データのプライバシーやセキュリティを損なうことなく、複数の組織が AI モデルの開発で協力できるようにする最先端のアプローチです。これは、機密性の高い患者データの共有が複雑で時間がかかる可能性がある医療分野では非常に重要です。
従来のデータ共有方法は、プライバシーの懸念やデータ管理の制限により、障害に直面しています。フェデレーテッド ラーニングは、分散データでモデルをトレーニングできるようにすることでこれらの障害を回避し、データのセキュリティを確保しながら堅牢な AI モデルの作成を可能にします。
SIIM機械学習ツールおよび研究小委員会
このプロジェクトは、 画像情報科学および医学学会 (SIIM) 機械学習ツールおよび研究小委員会は、医用画像処理における AI の進歩に取り組む専門家のグループです。SIIM のメンバーである NVIDIA は、2019 年からフェデレーテッド ラーニング プロジェクトに関してこの委員会と協力してきました。
NVIDIA NVフレア テクノロジー
チームは NVIDIA FLARE (NVFlare)、 フェデレーテッド ラーニング用のオープンソース フレームワークと、NVIDIA Academic Grant Program を通じて取得した NVIDIA RTX A5000 GPU を組み合わせたものです。この強力な組み合わせにより、研究者はフェデレーテッド ラーニング用のワークステーションを設定し、トレーニング プロセスを加速できます。
研究デザインとAI支援による注釈
このプロジェクトは腎臓がんの一種である腎細胞がんに焦点を当てており、6 つの医療センターがそれぞれ約 50 件の画像検査のデータを提供しています。フェデレーテッド ラーニングでは、機密性の高い患者データではなくモデルを交換することでモデル トレーニングを行うことができます。
最初のフェーズでは、トレーニング データは手動でラベル付けされました。次のフェーズでは、NVIDIA MONAI を使用して AI 支援によるアノテーションを検討し、AI でセグメント化されたトレーニング データでモデルのパフォーマンスがどのように向上するかを評価します。画像ラベル付けツールである MONAI Label は、新しいデータセットの作成を効率化するのに役立ちます。
プロジェクトが完了すると、チームはその方法論、注釈付きデータセット、事前トレーニング済みモデルを医療コミュニティ全体と共有する予定です。このオープンなアプローチにより、さらなる研究開発が促進され、医療画像における AI の導入が加速し、最終的には患者ケアが向上します。
「プライバシーとデータ管理の制約により、サイト間でデータを共有し、それを 1 か所に集約することがますます複雑になっています。また、画像 AI は、研究機関がデータ共有契約を締結するよりも速いペースで発展しています」とウィスコンシン大学マディソン校の放射線学准教授、ジョン・ギャレット氏は語ります。「フェデレーテッド ラーニングを採用して、複数のサイトで同時にモデルを構築してテストすることが、実質的に追いつく唯一の方法です。これは欠かせないツールです。」
「連合学習活動における最大の問題は、通常、異なるサイトのデータが非常に均一ではないことです。人々は異なる画像機器を使用し、異なるプロトコルを持ち、データのラベル付けも異なります」とギャレット氏は付け加えました。「MONAI を追加して連合学習モデルを 2 度目にトレーニングすることで、全体的な注釈の精度が向上するかどうかを調べることを目指しています。」
NVIDIA 学術助成プログラム
NVIDIA 学術助成プログラム 研究者にコンピューティング リソースを提供することで、学術研究をサポートします。NVIDIA テクノロジを使用する認定機関の常勤教員の募集が現在行われています。
#医療専門家が #NVIDIA #搭載のフェデレーテッド #ラーニングを活用して腫瘍セグメンテーションにおける #を進化させる