原題
Multicenter privacy-preserving model training for deep learning brain metastases autosegmentation.
背景:本論文では、コンピュータ化された脳転移セグメンテーション性能に対する多施設データの差の影響を評価し、モデル適用を改善するための増分伝達学習法「忘れずに学習する」(LWF)の有効性を試験した。
方法:多数の病院からの6つのデータセットを利用した。彼らは、単一施設訓練と混合多施設訓練のパフォーマンスを調査し、その後、LWFの有無にかかわらず、転移学習を通じてプライバシーを保護する二国間協力を評価した。
結果:結果は施設間で異なり、混合多施設訓練は特定の場所で改善を示した。事前に訓練されたLWFモデルは、naíve転移学習および単一施設訓練よりも良好な結果を示した。
結論:転移の密度と空間分布の変化により、自動セグメント化のパフォーマンスは変化する。LWFはプライバシー保護モデル訓練において有望な結果を示した。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2024.110419
PMID: 38969106
Open Access
コメント