数据质量与联邦学习
工作组
使命宣言
本工作组旨在通过安全高效的联邦学习实现方案,推动医学人工智能协同研究。重点包括开发标准化工作流程、确保数据兼容性、创建模块化组件,最终目标是实现跨机构的分布式学习,同时保护数据隐私和可靠性。通过汇聚学术界、临床医学界和工业界的专家社区,本工作组将建立最佳实践和创新解决方案,从而增强联邦学习在医学影像领域的普适性和影响力。
行动计划
成果开发
- • 数据库集成(具备联邦查询能力)(XNAT, Flywheel)
- • 模块化联邦学习组件和标准化工作流程
- • 隐私保护验证方法和数据质量指标
- • 基准测试套件和性能评估
- • 队列创建和管理工具
社区与研究
- • 可信联邦学习的最佳实践和指南
- • 文档和教育资源
- • 主要会议上的联邦学习挑战赛和研讨会
- • 在 NeurIPS FL 和 MICCAI 上的研究出版物
- • 跨机构协作和知识共享
会议记录
协作机会
开发贡献
- • 通过我们的 GitHub 仓库 为 MONAI FL 做出贡献
- • 开发新的联邦学习组件和集成
- • 创建示例应用和用例
- • 改进文档和教程
研究与标准
- • 分享联邦学习领域的专业知识
- • 参与基准测试开发
- • 参加我们的定期工作组会议
- • 贡献最佳实践指南