เทคนิคปัญญาประดิษฐ์ (AI) ถูกนำมาใช้มากขึ้นสำหรับการวิเคราะห์ข้อมูลทางชีวการแพทย์ สำหรับการใช้งานต่างๆ เช่น การช่วยแพทย์ตรวจหามะเร็งในภาพทางการแพทย์ เป็นต้น แบบจำลอง AI ต้องการชุดข้อมูลการฝึกอบรมขนาดใหญ่และหลากหลาย ซึ่งส่วนใหญ่มักเป็นข้อมูลผู้ป่วยที่ไม่เปิดเผยตัวตนหรือใช้นามแฝง ซึ่งจะถูกส่งไปยังคลินิกที่มีการฝึกอบรมอัลกอริทึม อย่างไรก็ตาม กระบวนการทำให้
เป็นนิรนาม
ในปัจจุบันนั้นให้การป้องกันไม่เพียงพอต่อการโจมตีด้วยการระบุตัวตนซ้ำ สิ่งที่จำเป็นคือวิธีที่ได้รับการปรับปรุงเพื่อรักษาความเป็นส่วนตัวของข้อมูลที่ละเอียดอ่อน ทางเลือกหนึ่งคือการเรียนรู้แบบสมาพันธ์ (FL) ซึ่งเป็นเทคนิคการคำนวณที่โมเดลการเรียนรู้ของเครื่องถูกแจกจ่ายให้กับเจ้าของข้อมูล
สำหรับการฝึกอบรมแบบกระจายอำนาจ แทนที่จะรวมชุดข้อมูลไว้ที่ส่วนกลาง อย่างไรก็ตาม เพื่อรักษาความเป็นส่วนตัวอย่างแท้จริง FL จะต้องเสริมด้วยเทคนิคเพิ่มความเป็นส่วนตัวเพิ่มเติมด้วยจุดประสงค์นี้ ทีมงานที่มหาวิทยาลัยเทคนิคแห่งมิวนิค ได้พัฒนา การวิเคราะห์ภาพทางการแพทย์
ที่รักษาความเป็นส่วนตัว ซึ่งเป็นเฟรมเวิร์กซอฟต์แวร์โอเพ่นซอร์สที่รวมกระบวนการปกป้องข้อมูลหลายอย่างเพื่อให้ความเป็นส่วนตัวแบบครบวงจร- รักษาการเรียนรู้เชิงลึกเกี่ยวกับข้อมูลการถ่ายภาพทางการแพทย์จากหลายสถาบัน“เพื่อรักษาข้อมูลผู้ป่วยให้ปลอดภัย ไม่ควรออกจากคลินิกที่เก็บข้อมูล”
หัวหน้าโครงการและผู้เขียนคนแรก ในแถลงการณ์ และผู้ทำงานร่วมกันเผยแพร่การค้นพบของพวกเขา
การฝึกอบรมแบบกระจายอำนาจ ทีมวิจัยได้ทดสอบ ในกรณีศึกษาในชีวิตจริง ซึ่งใช้โครงข่ายประสาทเทียมแบบดีพคอนโวลูชันนัล (CNN) เพื่อจำแนกรังสีเอกซ์ทรวงอกในเด็กว่าเป็นปกติ ปอดอักเสบ
จากไวรัส หรือปอดบวมจากแบคทีเรีย ในการฝึกแบบจำลองของ CNN เซิร์ฟเวอร์กลางจะส่งแบบจำลองที่ไม่ได้รับการฝึกฝนไปยังเจ้าของข้อมูลสามแห่ง (โรงพยาบาล) แบบจำลองได้รับการฝึกอบรมในโรงพยาบาลโดยใช้ข้อมูลในเครื่อง เพื่อให้เจ้าของข้อมูลไม่ต้องเปิดเผยข้อมูลของตน
ในระหว่าง
การฝึกอบรม การคำนวณแบบหลายฝ่ายที่ปลอดภัย (SMPC) จะถูกนำมาใช้เพื่อรวบรวมการอัปเดตน้ำหนักของเครือข่ายอย่างปลอดภัย จากนั้นโมเดลที่อัปเดตจะถูกแจกจ่ายซ้ำสำหรับการฝึกอบรมอีกรอบ โปรโตคอล SMPC นี้รับประกันว่าผู้เข้าร่วมรายอื่นไม่สามารถเปิดเผยโมเดลแต่ละรายการได้
และทำหน้าที่ป้องกันการ “ขโมย” โมเดล PriMIA ยังใช้ความเป็นส่วนตัวที่แตกต่างกัน (DP) เพื่อป้องกันการสูญเสียความเป็นส่วนตัวของผู้ป่วยแต่ละรายในชุดข้อมูล การฝึกอบรมสิ้นสุดลงโดยผู้เข้าร่วมทุกคนถือสำเนาของรุ่นสุดท้ายที่ผ่านการฝึกอบรมอย่างครบถ้วน นักวิจัยได้ตรวจสอบประสิทธิภาพ
การคำนวณและการจำแนกประเภทของโมเดล FL ที่ได้รับการฝึกฝนทั้งแบบมีและไม่มีเทคนิคเพิ่มความเป็นส่วนตัว พวกเขาเปรียบเทียบสิ่งเหล่านี้กับแบบจำลองที่ได้รับการฝึกฝนจากส่วนกลางในชุดข้อมูลรวมทั้งหมด (สถานการณ์แบ่งปันข้อมูลส่วนกลาง) และแบบจำลองส่วนบุคคลที่ได้รับการฝึกฝน
จากข้อมูลของโรงพยาบาลแต่ละแห่ง โมเดล FL ที่ผ่านการฝึกอบรมโดยไม่มีการรวมที่ปลอดภัยหรือ DP ทำงานได้ดีที่สุด แสดงให้เห็นถึงประสิทธิภาพการจัดประเภทที่เทียบเท่ากับโมเดลที่ได้รับการฝึกอบรมจากส่วนกลาง การเพิ่มการรวมที่ปลอดภัยทำให้ประสิทธิภาพนี้ลดลงเพียงเล็กน้อยเท่านั้น
แบบจำลอง
ทั้งสองนี้มีประสิทธิภาพดีกว่ารังสีแพทย์ผู้เชี่ยวชาญสองคนอย่างเห็นได้ชัด ขั้นตอนการฝึกอบรม DP ลดประสิทธิภาพของแบบจำลองลงอย่างมาก แม้ว่าจะยังคงทำงานคล้ายกับผู้สังเกตการณ์ที่เป็นมนุษย์ ทีมงานอ้างถึง “วิธีการปรับปรุงการฝึกอบรมแบบจำลอง DP” เป็นทิศทางที่มีแนวโน้ม
สำหรับการวิจัยในอนาคต โมเดลส่วนบุคคลแสดงประสิทธิภาพที่ลดลงอย่างมาก สิ่งนี้เน้นความจริงที่ว่าการรวมข้อมูลการฝึกอบรมที่หลากหลายมากขึ้นจากหลายแหล่งที่เปิดใช้งานผ่าน FL สามารถนำไปสู่แบบจำลองที่มีประสิทธิภาพการจำแนกที่ดีขึ้น การโจมตีความเป็นส่วนตัวนักวิจัย
ยังได้ประเมินความยืดหยุ่นของเฟรมเวิร์กต่อการโจมตีแบบผกผันตามการไล่ระดับสี ซึ่งมีจุดมุ่งหมายเพื่อสร้างคุณลักษณะใหม่หรือบันทึกชุดข้อมูลทั้งหมด (ภาพเอ็กซ์เรย์ทรวงอกในกรณีนี้) และคุกคามความเป็นส่วนตัวของผู้ป่วย การโจมตีแบบจำลองที่ได้รับการฝึกฝนจากส่วนกลางสามารถสร้างภาพรังสี
สามารถปรับให้เข้ากับการวิเคราะห์ภาพทางการแพทย์ได้หลากหลาย เพื่อแสดงสิ่งนี้ พวกเขานำเสนอกรณีศึกษาเพิ่มเติมที่เน้นการแบ่งส่วนของตับในการสแกน CT ช่องท้อง พวกเขาเชื่อมั่นว่าเทคโนโลยีนี้โดยการปกป้องพื้นที่ส่วนตัวของผู้ป่วย สามารถมีส่วนสำคัญต่อความก้าวหน้าของการแพทย์ดิจิทัล
เกี่ยวกับอุปกรณ์เติมน้ำ จำเป็นต้องมีอุปกรณ์เพิ่มเติมเพื่อไล่แก๊สและหมุนเวียนน้ำเพื่อป้องกันการก่อตัวของฟองอากาศที่จะกระจายคลื่นเสียงและทำให้การส่งพลังงานเสียงเสียไป ยิ่งไปกว่านั้น เมมเบรนที่ปลายอาจเสียหายได้ง่าย อุปกรณ์ใช้งานในสถานที่ห่างไกลยุ่งยาก และยากต่อการตรวจสอบให้มั่นใจว่า
อุปกรณ์ยังคงปลอดเชื้อ กลุ่มของเรากำลังตรวจสอบการออกแบบต่างๆ ของข้อต่อและวัสดุอื่นๆ ที่สามารถเอาชนะข้อบกพร่องของข้อต่อน้ำได้ แอพพลิเคชั่นใหม่ได้รับการพัฒนาขึ้นโดยใช้องค์ประกอบเพียโซอิเล็กทริกที่ยึดติดกับกรวยอลูมิเนียมซึ่งนำทางและรวมพลังงานอัลตราซาวนด์เข้ากับเนื้อเยื่อ
กรวยสามารถมีปลายรูปทรงต่างๆ ที่สร้างรูปแบบอัลตราซาวนด์ที่แตกต่างกัน ขึ้นอยู่กับประเภทของการบาดเจ็บที่กำลังรับการรักษา อีกวิธีหนึ่งใช้อุปกรณ์รูปทรงต่างๆ ที่ทำจากเจลโพลีเมอร์ซึ่งใช้แล้วทิ้ง ข้อดีอย่างหนึ่งของตัวเชื่อมต่อเหล่านี้คือ ความเข้มข้นของโพลิเมอร์สามารถเปลี่ยนแปลงได้
แนะนำ ufaslot888g
