典型文献
推进联邦学习技术在医学影像人工智能中的应用
文献摘要：
医学影像的人工智能系统在辅助疾病诊疗方面已展现出巨大潜力，但医学影像数据孤岛、数据隐私安全及数据行业标准不统一等问题严重阻碍了人工智能赋能疾病诊疗。通过结合联邦学习和FAIR科学数据管理准则，可从技术上缓解上述问题对构建医学影像人工智能系统的影响，进而发挥多中心数据的最大价值，开发出更加高效、准确的疾病诊疗系统，指导基于医学影像的人工智能技术在疾病诊疗领域落地。
文献关键词：
放射学;人工智能;医学影像;联邦学习;FAIR数据准则
中图分类号：
作者姓名：
刘再毅;石镇维;梁长虹
作者机构：
广东省人民医院放射科 广东省医学科学院，广州 510080
文献出处：
引用格式：
[1]刘再毅;石镇维;梁长虹-.推进联邦学习技术在医学影像人工智能中的应用)[J].中华医学杂志,2022(05):318-320
A类：
B类：
联邦学习,学习技术,医学影像,人工智能系统,疾病诊疗,巨大潜力,影像数据,数据孤岛,数据隐私安全,问题严重,智能赋能,FAIR,科学数据管理,从技术上,多中心数据,诊疗系统,诊疗领域,放射学
AB值：
0.339241
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
