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

小组负责人

Dr. Holger Roth

Holger Roth 博士

首席研究科学家

NVIDIA

联邦学习主席

查看个人资料
Dr. Sai Praneeth Karimireddy

Sai Praneeth Karimireddy 博士

助理教授

USC

联邦学习主席

查看个人资料

资源

开发资源

会议记录

YouTube 播放列表

在我们的 YouTube 播放列表中观看我们工作组的所有会议和讨论。订阅以了解联邦学习的最新进展。

查看完整播放列表

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