MS 诱导脑损伤的模拟化联邦分析
机器学习
2026-05-12 v1
摘要
联邦技术，如联邦学习和联邦分析，已成为在保护患者隐私的同时，使用于多中心研究的敏感临床数据的强大范式。本研究引入一个模拟框架，模拟聚焦于多发性硬化 (MS) 患者数据的真实世界联邦研究项目。该项目包含两个组成部分：图像分割任务和临床数据分析任务，其中采用联邦变体的生存分析和主成分分析 (PCA)。为捕捉真实临床数据集的复杂性和异质性，我们构建了一个由高保真合成队列组成的联邦，旨在镜像 MS 相关的临床和人口统计特征，而影像组成部分则利用公开的真实世界数据集。我们的模拟复制了真实联邦工作流程的关键元素，包括分布式数据治理、站点特定的预处理、跨孤立节点的模型训练以及安全的分析输出聚合。该框架为在 MS 研究中开发、评估和基准化联邦学习方法提供了现实可测试的环境。
引用
@article{arxiv.2605.08223,
title = {A Simulated Federated Analysis of MS-Induced Brain Lesions},
author = {Evelyn Trautmann and Joël Federer-Gsponer and Markus C. Elze and José-Tomás Prieto},
journal= {arXiv preprint arXiv:2605.08223},
year = {2026}
}
备注
Accepted for publication at The 39th IEEE International Symposium on Computer-Based Medical Systems