基于个人健康列车的分布式皮肤黑色素瘤分类学习
分布式、并行与集群计算
2021-03-25 v1
摘要
皮肤癌是最常见的癌症类型。通常，疑似癌症患者由医生在无任何辅助视觉检查的情况下诊治。此时，皮肤镜已成为支持医生决策制定的合适工具。然而，临床医生需数年经验才能正确分类可能恶性的皮肤病变。因此，研究已应用图像处理与分析工具以改善诊疗流程。为执行图像分析并在皮肤镜图像上训练模型，数据需集中化。然而，由于其敏感性及数据提供方若允许无限制访问将导致主权丧失，数据集中化常不符合当地数据保护法规。规避数据集中化所有隐私相关挑战的方法是分布式分析(DA)途径，其将分析带向数据而非反之。这一范式转变使得数据分析——本例中为图像分析——可在数据留存于机构边界（即源头）内完成。本文档中，我们描述了一个直接用例，包括基于去中心化数据的皮肤病变分类模型训练。
引用
@article{arxiv.2103.13226,
title = {Distributed Learning for Melanoma Classification using Personal Health Train},
author = {Yongli Mou and Sascha Welten and Yeliz Ucer Yediel and Toralf Kirsten and Oya Deniz Beyan},
journal= {arXiv preprint arXiv:2103.13226},
year = {2021}
}
备注
11 pages, 7 figures