Deep Anatomical Federated Network (Dafne): An open client-server framework for the continuous, collaborative improvement of deep learning-based medical image segmentation

要約

目的：Dafne（深い解剖学的フェデレーションネットワーク）を提示して評価するために、フェデレーションの増分学習を通じて放射線画像のセマンティックセグメンテーションのための自由に利用可能な分散型の共同ディープラーニングシステムです。
材料と方法：Dafneは、クライアントサーバーアーキテクチャを備えたフリーソフトウェアです。
クライアント側は、サーバーに保存されているディープラーニングモデルをユーザーのデータに適用し、ユーザーが予測をチェックして改良できるようにする高度なユーザーインターフェイスです。
その後、増分学習はクライアントの側で実行され、サーバーに送り返され、そこでルートモデルに統合されます。
Dafneは、下肢の38 MRIデータセットのモデル世代間のパフォーマンスゲインを評価し、実際の使用法統計（n = 639ユースケース）の分析を通じて、ローカルで評価されました。
結果：Dafneは、時間の経過に伴うセマンティックセグメンテーションの精度の統計的に改善されたことを実証しました（ローカル検証セットでは、サイコロの類似性係数が0.007ポイント/生成される平均増加、p <0.001）。 定性的に、このモデルは、最初のトレーニングセットに存在しないものを含む、さまざまな放射線画像タイプのパフォーマンスの向上を示し、優れたモデルの一般化可能性を示しています。 結論：Dafneは、時間の経過とともにセグメンテーションの品質の改善を示し、学習と一般化の可能性を示しています。

要約(オリジナル)

Purpose: To present and evaluate Dafne (deep anatomical federated network), a freely available decentralized, collaborative deep learning system for the semantic segmentation of radiological images through federated incremental learning. Materials and Methods: Dafne is free software with a client-server architecture. The client side is an advanced user interface that applies the deep learning models stored on the server to the user’s data and allows the user to check and refine the prediction. Incremental learning is then performed at the client’s side and sent back to the server, where it is integrated into the root model. Dafne was evaluated locally, by assessing the performance gain across model generations on 38 MRI datasets of the lower legs, and through the analysis of real-world usage statistics (n = 639 use-cases). Results: Dafne demonstrated a statistically improvement in the accuracy of semantic segmentation over time (average increase of the Dice Similarity Coefficient by 0.007 points/generation on the local validation set, p < 0.001). Qualitatively, the models showed enhanced performance on various radiologic image types, including those not present in the initial training sets, indicating good model generalizability. Conclusion: Dafne showed improvement in segmentation quality over time, demonstrating potential for learning and generalization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google