培训协议 MERGE:用于COVID-19预后的联合多输入神经网络

科学领域:

• 人工智能的人工智能
• 机器学习 机器学习
• 医疗信息学 医疗信息学

背景情况:

• 联合学习 (FL) 为机器学习提供了一种保护隐私的方法.
• COVID-19 预后仍然是一个关键领域,需要强大的预测模型.
• 整合不同的数据类型 (图像和表格) 对于准确的预后具有挑战性.

研究的目的:

• 介绍一个用于训练MERGE的协议,一个联合的多输入神经网络.
• 通过合作学习实现隐私意识的COVID-19预后.
• 促进用于疾病预测的多模式数据集的使用.

主要方法:

• 在联邦环境中开发数据收集和预处理协议.
• 实施多输入神经网络架构用于预后.
• 使用结合的图像和基于表的数据来训练联合网络.

主要成果:

• 建立了一个训练联合多输入神经网络的详细协议.
• MERGE网络是为COVID-19预后而设计的.
• 该协议支持具有图像和表格输入的数据集.

结论:

• 提出的协议使得保护隐私的联合学习能够用于COVID-19的预后.
• MERGE可以适应用于医疗预后中的多模式数据集成.
• 这种方法促进了联合学习在医疗保健中的应用.