Asagiri — Federated Learning para sa Medical Imaging

Hamon

Sanayin ang models sa maraming sites nang hindi inililipat ang tunay na patient data, habang hinaharap ang non-IID at differential privacy.

Solusyon

FL framework na may secure aggregator, differential privacy support, at non-IID balancer — na-validate sa synthetic medical datasets.

Mga Resulta

• Internal benchmark: accuracy sa loob ng 4pp ng centralized baseline sa synthetic dataset
• Secure aggregator at DP na-validate sa internal pilot
• Internal beta sa 3 researcher testers — positive methodology feedback
• Internal R&D lang — synthetic data, walang tunay na patient data