| عنوان مقاله به انگلیسی | From Challenges and Pitfalls to Recommendations and Opportunities: Implementing Federated Learning in Healthcare | ||||||||
| عنوان مقاله به فارسی | ترجمه فارسی مقاله از چالشها و دامها تا توصیهها و فرصتها: پیادهسازی یادگیری فدرال در مراقبتهای بهداشتی | ||||||||
| نویسندگان | Ming Li, Pengcheng Xu, Junjie Hu, Zeyu Tang, Guang Yang | ||||||||
| فرمت مقاله انگلیسی | |||||||||
| زبان مقاله تحویلی | ترجمه فارسی | ||||||||
| فرمت مقاله ترجمه شده | به صورت فایل ورد | ||||||||
| نحوه تحویل ترجمه | دو تا سه روز پس از ثبت سفارش (به صورت فایل دانلودی) | ||||||||
| تعداد صفحات | 50 | ||||||||
| لینک دانلود رایگان مقاله انگلیسی | دانلود مقاله | ||||||||
| دسته بندی موضوعات | Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی , | ||||||||
| توضیحات | Submitted 15 September, 2024; originally announced September 2024. | ||||||||
| توضیحات به فارسی | ارسال شده در 15 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد. | ||||||||
| اطلاعات بیشتر از این مقاله در پایگاه های علمی |
INSPIRE HEP NASA ADS Google Scholar Semantic Scholar فرمت ارائه ترجمه مقاله |
تحویل به صورت فایل ورد |
زمان تحویل ترجمه مقاله |
بین 2 تا 3 روز پس از ثبت سفارش |
کیفیت ترجمه |
بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه میشود. |
جداول و فرمول ها |
کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج میشوند. |
|
چکیده
Federated learning holds great potential for enabling large-scale healthcare research and collaboration across multiple centres while ensuring data privacy and security are not compromised. Although numerous recent studies suggest or utilize federated learning based methods in healthcare, it remains unclear which ones have potential clinical utility. This review paper considers and analyzes the most recent studies up to May 2024 that describe federated learning based methods in healthcare. After a thorough review, we find that the vast majority are not appropriate for clinical use due to their methodological flaws and/or underlying biases which include but are not limited to privacy concerns, generalization issues, and communication costs. As a result, the effectiveness of federated learning in healthcare is significantly compromised. To overcome these challenges, we provide recommendations and promising opportunities that might be implemented to resolve these problems and improve the quality of model development in federated learning with healthcare.
چکیده به فارسی (ترجمه ماشینی)
یادگیری فدرال پتانسیل بسیار خوبی برای فعال کردن تحقیقات و همکاری در مقیاس بزرگ در مراکز مختلف دارد و در عین حال اطمینان از حفظ حریم خصوصی و امنیت داده ها به خطر نمی افتد.اگرچه بسیاری از مطالعات اخیر روشهای مبتنی بر یادگیری فدرال را در مراقبت های بهداشتی نشان داده یا استفاده می کنند ، اما هنوز مشخص نیست که کدام یک ابزار بالینی بالقوه دارند.این مقاله مرور جدیدترین مطالعات تا مه 2024 را که توصیف روشهای مبتنی بر یادگیری فدرال در مراقبت های بهداشتی است ، مورد بررسی و تجزیه و تحلیل قرار می دهد.پس از بررسی دقیق ، می فهمیم که اکثریت قریب به اتفاق به دلیل نقص روش شناختی و/یا تعصبات اساسی آنها برای استفاده بالینی مناسب نیست اما محدود به نگرانی های مربوط به حریم خصوصی ، مسائل عمومی سازی و هزینه های ارتباطی نیست.در نتیجه ، اثربخشی یادگیری فدرال در مراقبت های بهداشتی به طور قابل توجهی به خطر می افتد.برای غلبه بر این چالش ها ، ما توصیه ها و فرصت های امیدوارکننده ای را ارائه می دهیم که ممکن است برای حل این مشکلات و بهبود کیفیت توسعه مدل در یادگیری فدرال با مراقبت های بهداشتی اجرا شود.
| فرمت ارائه ترجمه مقاله | تحویل به صورت فایل ورد |
| زمان تحویل ترجمه مقاله | بین 2 تا 3 روز پس از ثبت سفارش |
| کیفیت ترجمه | بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه میشود. |
| جداول و فرمول ها | کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج میشوند. |


نقد و بررسیها
هنوز بررسیای ثبت نشده است.