NVIDIA Blog
·
医疗中心利用AI和联邦学习技术提升癌症检测
内容提要
美国顶级医疗中心和研究机构的专家委员会正在利用NVIDIA提供的联邦学习技术评估联邦学习和AI辅助标注对肿瘤分割AI模型训练的影响。研究小组使用NVIDIA FLARE框架进行模型训练，并使用NVIDIA MONAI进行AI辅助标注。项目完成后，团队计划公开他们的方法论、标注数据集和预训练模型，以支持未来的工作。
关键要点
-
美国顶级医疗中心和研究机构的专家委员会正在利用NVIDIA的联邦学习技术评估肿瘤分割AI模型训练的影响。
-
联邦学习是一种在不泄露敏感数据的情况下，跨多个数据源开发更准确的AI模型的技术。
-
专家指出，采用联邦学习是跟上医学影像AI发展的唯一可行方法。
-
NVIDIA与专家委员会自2019年起合作开展联邦学习项目。
-
联邦学习技术增强了数据隐私和安全性，符合GDPR和HIPAA等隐私法规。
-
研究团队使用NVIDIA FLARE框架进行模型训练，并获得了四个NVIDIA RTX A5000 GPU以支持研究。
-
项目中六个医疗中心提供了约50个医学影像研究的数据，重点关注肾细胞癌。
-
在联邦学习框架中，模型参数在客户端服务器之间交换，而不是数据。
-
团队正在使用NVIDIA MONAI进行AI辅助标注，以评估AI辅助标注与传统标注方法的模型性能差异。
-
项目完成后，团队计划公开其方法论、标注数据集和预训练模型，以支持未来的工作。
-
NVIDIA学术资助计划为研究人员提供世界级计算资源，现已开放申请。
延伸问答
什么是联邦学习，它在癌症检测中有什么应用？
联邦学习是一种在不泄露敏感数据的情况下，跨多个数据源开发更准确的AI模型的技术。在癌症检测中，它用于训练肿瘤分割AI模型，允许多个医疗机构合作而不共享数据。
该项目使用了哪些技术和工具来支持AI模型的训练？
项目使用了NVIDIA FLARE框架进行模型训练，并使用NVIDIA MONAI进行AI辅助标注。
联邦学习如何增强数据隐私和安全性？
联邦学习通过在客户端服务器之间交换模型参数而不是数据，确保敏感数据不离开各自的服务器，从而增强数据隐私和安全性，符合GDPR和HIPAA等隐私法规。
该研究团队计划在项目完成后做什么？
团队计划公开他们的方法论、标注数据集和预训练模型，以支持未来的工作。
参与该项目的医疗中心有哪些？
参与该项目的医疗中心包括Case Western、乔治城大学、梅奥诊所、加州大学圣地亚哥分校、佛罗里达大学和范德比尔特大学。
AI辅助标注与传统标注方法有什么不同？
AI辅助标注使用NVIDIA MONAI进行数据标注，旨在提高标注准确性，而传统标注方法则依赖人工标注，可能存在一致性和效率问题。
