SwePub
Sök i LIBRIS databas

  Utökad sökning

onr:"swepub:oai:DiVA.org:liu-207369"
 

Sökning: onr:"swepub:oai:DiVA.org:liu-207369" > Federated training ...

Federated training of segmentation models for radiation therapy treatment planning

Gustafsson, Christian Jamtheim (författare)
Department of Translational Medicine, Medical Radiation Physics, Lund University; Radiation physics, Department of Hematology, Oncology and Radiation Physics, Skåne University Hospital
Löfstedt, Tommy (författare)
Department of Computing Science, Umeå University
Åkesson, Mattias (författare)
Scaleout Systems
visa fler...
Rogowski, Viktor (författare)
Radiation physics, Department of Hematology, Oncology and Radiation Physics, Skåne University Hospital
Akbar, Muhammad Usman, 1990- (författare)
Linköpings universitet,Avdelningen för medicinsk teknik,Tekniska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV
Hellander, Andreas (författare)
Scaleout Systems
Larsson, J. Peter, 1963- (författare)
Linköpings universitet,Medicinska fakulteten,Region Östergötland, Medicinsk strålningsfysik
Malmström, Annika, 1957- (författare)
Linköpings universitet,Medicinska fakulteten,Region Östergötland, Närvårdskliniken
Blystad, Ida, 1972- (författare)
Linköpings universitet,Medicinska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Avdelningen för diagnostik och specialistmedicin,Region Östergötland, Röntgenkliniken i Linköping
Eklund, Anders, 1981- (författare)
Linköpings universitet,Avdelningen för medicinsk teknik,Tekniska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Statistik och maskininlärning
visa färre...
 (creator_code:org_t)
2024
2024
Engelska.
Ingår i: Radiotherapy and Oncology. - 0167-8140 .- 1879-0887. ; 194, s. S4819-S4822
Relaterad länk:
https://urn.kb.se/re...
visa fler...
https://doi.org/10.1...
visa färre...
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • Radiotherapy treatment planning takes substantial time, several hours per patient, as it involves manual segmentation of tumor and risk organs. Segmentation networks can be trained to automatically perform the segmentations, but typically require large annotated datasets for training. Sharing of sensitive data between hospitals, to create a larger dataset, is often difficult due to ethics and GDPR. Here we therefore demonstrate that federated learning is a solution to this problem, as then only the segmentation model is sent between each hospital and a global server. We export and preprocess brain tumor images from the oncology departments in Linköping and Lund, and use federated learning to train a global segmentation model using two different frameworks.

Ämnesord

TEKNIK OCH TEKNOLOGIER  -- Medicinteknik -- Medicinsk bildbehandling (hsv//swe)
ENGINEERING AND TECHNOLOGY  -- Medical Engineering -- Medical Image Processing (hsv//eng)
MEDICIN OCH HÄLSOVETENSKAP  -- Klinisk medicin -- Cancer och onkologi (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Clinical Medicine -- Cancer and Oncology (hsv//eng)

Nyckelord

Radiotherapy
deep learning
federated learning

Publikations- och innehållstyp

ref (ämneskategori)
art (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy