これは、T and T Consulting Services, Inc. の主任データ サイエンティストである Nitin Kumar によって書かれたゲスト ブログ投稿です。
この投稿では、医療分野におけるフェデレーション ラーニングの価値と潜在的な影響について説明します。このアプローチは、軽量のリフトと簡単な導入のための AWS サービスによるクラウドネイティブのアプローチを使用して、心臓発作の患者、医師、研究者による迅速な診断、充実した意思決定、および脳卒中関連の健康問題に対するより多くの情報に基づいた包括的な研究活動を支援します。 。
心臓発作の診断上の課題
からの統計 疾病対策予防センター (CDC) によると、米国では毎年 795,000 人以上が最初の脳卒中を患っており、そのうちの約 25% が再発発作を経験しています。によると、それは死因の第XNUMX位です アメリカ脳卒中協会 米国における障害の主な原因となっています。したがって、急性脳卒中患者の脳損傷やその他の合併症を軽減するには、迅速な診断と治療が重要です。
CT と MRI は、脳卒中のさまざまなサブタイプを分類するための画像技術のゴールドスタンダードであり、患者の予備評価、根本原因の特定、および治療の際に非常に重要です。ここでの重要な課題の 1 つは、特に急性脳卒中の場合、画像診断にかかる時間であり、その時間は平均して次のとおりです。 30分からXNUMX時間まで 救急外来の混雑状況によっては、さらに時間がかかる場合があります。
医師や医療スタッフは、患者の状態を評価し、治療選択肢を提案するために、迅速かつ正確な画像診断を必要としています。ヴェルナー・フォーゲルス博士自身の言葉では、 AWS re:Invent 2023、「人が脳卒中を起こす毎秒がカウントされます。」脳卒中患者は、治療を受けていないと毎秒約 1.9 億個のニューロンを失う可能性があります。
医療データの制限
機械学習 (ML) を使用すると、医師や研究者の診断タスクを支援し、プロセスをスピードアップできます。しかし、ML モデルを構築し、信頼性の高い結果を得るために必要なデータセットは、さまざまな医療システムや組織にまたがってサイロに保管されています。この孤立したレガシー データは、蓄積されると大きな影響を与える可能性があります。では、なぜまだ使われていないのでしょうか?
医療ドメインのデータセットを操作し、ML ソリューションを構築する場合には、患者のプライバシー、個人データのセキュリティ、特定の官僚的およびポリシー上の制限など、複数の課題があります。さらに、研究機関はデータ共有の慣行を強化しています。これらの障害は、国際研究チームが多様で豊富なデータセットで協力することも妨げており、これによって命が救われ、心臓発作によって引き起こされる可能性のある障害の予防などの利点が得られる可能性があります。
などの政策や規制 一般的なデータ保護規則 (GDPR)、 健康保険の携帯性と説明責任に関する法律 (HIPPA)、および カリフォルニア州消費者プライバシー法 (CCPA) は、医療分野のデータ、特に患者データの共有にガードレールを設けています。さらに、個々の研究機関、組織、病院のデータセットは、多くの場合小さすぎるか、不均衡であるか、偏った分布をしているため、モデルの一般化の制約が生じます。
フェデレーテッド ラーニング: 概要
フェデレーテッド ラーニング (FL) は、動的エンジニアリング アプローチである ML の分散型です。この分散型 ML アプローチでは、一般的にモデルが集約されたデータセットでトレーニングされる従来の集中型 ML トレーニングとは異なり、ML モデルは独自のデータ サブセットでトレーニングするために組織間で共有されます。データは組織のファイアウォールまたは VPC の背後で保護されたままになり、メタデータを含むモデルは共有されます。
トレーニング フェーズでは、グローバル FL モデルが個別のデータセットでトレーニングするために単位組織間で配布および同期され、ローカルでトレーニングされたモデルが返されます。最終的なグローバル モデルは、参加者全員の予測に使用でき、参加組織のローカル カスタム モデルを構築するためのさらなるトレーニングのベースとしても使用できます。他の機関に利益をもたらすためにさらに拡張することもできます。このアプローチでは、組織の境界外でデータを転送する必要がまったくなくなるため、転送中のデータに対するサイバーセキュリティ要件を大幅に軽減できます。
次の図は、アーキテクチャの例を示しています。
次のセクションでは、フェデレーション ラーニングがどのように役立つかについて説明します。
危機を救う(そして命を救う)ことを学ぶ連邦
優れた人工知能 (AI) を実現するには、優れたデータが必要です。
連邦領域で頻繁に見られるレガシー システムは、インテリジェンスを取得したり、新しいデータセットと結合したりする前に、重大なデータ処理の課題を引き起こします。これは、リーダーに貴重な情報を提供する際の障害となります。従来のデータの割合は、新しい小さなデータセットと比較してはるかに価値がある場合があるため、不正確な意思決定につながる可能性があります。このボトルネックを、病院や研究所にまたがって存在する従来のデータセットと新しいデータセットに対する手動の統合および統合作業 (面倒なマッピング プロセスを含む) の負荷をかけずに、効果的に解決したいと考えています。これらの作業には、多くの場合、数年とは言わないまでも、何か月もかかります。レガシー データは、正確な意思決定と十分な情報に基づいたモデルのトレーニングに必要な重要なコンテキスト情報を保持しているため、非常に価値があり、現実世界で信頼性の高い AI を実現します。データの継続期間は、データセット内の長期的な変動やパターンを知らせます。そうでなければ検出されず、偏った情報に基づいた予測につながりません。
これらのデータサイロを打破して、分散したデータの未開発の可能性を統合することで、多くの命を救い、変革することができます。また、心臓発作から生じる二次的な健康問題に関連する研究を加速することもできます。このソリューションは、病院、研究機関、その他の医療データに重点を置いた組織であっても、ポリシーやその他の理由により機関間で分離されているデータからの洞察を共有するのに役立ちます。これにより、研究の方向性と診断に関して十分な情報に基づいた意思決定が可能になります。さらに、安全でプライベートなグローバル知識ベースを介したインテリジェンスの集中リポジトリが実現します。
フェデレーション ラーニングには、一般的に、特に医療データ設定において多くの利点があります。
セキュリティとプライバシーの機能:
- 機密データをインターネットから遠ざけながらも ML に使用し、差分プライバシーでそのインテリジェンスを活用します
- データセキュリティ上の危険を冒すことなく、マシンだけでなくネットワーク全体にわたって、偏りのない堅牢なモデルを構築、トレーニング、デプロイできるようにします。
- 複数のベンダーがデータを管理することでハードルを克服
- サイト間のデータ共有とグローバル ガバナンスの必要性を排除します。
- 差分プライバシーでプライバシーを保護し、ローカル トレーニングで安全なマルチパーティ コンピューティングを提供します
パフォーマンスの向上:
- 医療画像分野におけるサンプルサイズが小さい問題とコストのかかるラベル付けプロセスに対処します
- データの分散のバランスをとる
- ほとんどの従来の ML および深層学習 (DL) 手法を組み込むことができます。
- プールされた画像セットを使用して統計力を向上させ、個々の機関のサンプルサイズの制限を克服します
回復力の利点:
- どちらか一方が離脱しても訓練には支障はありません
- 新しい病院や研究所はいつでも参加できます。ノード組織の特定のデータセットに依存しません。
- 地理的に広範囲に散在するレガシーデータのための大規模なデータエンジニアリングパイプラインは必要ありません。
これらの機能は、同様のドメインで分離されたデータセットをホストしている機関間の壁を取り除くのに役立ちます。このソリューションは、分散データセットの統合された力を利用し、インフラストラクチャに大規模な負担をかけずにスケーラビリティの側面を根本的に変革することで効率を向上させることで、力を倍増させることができます。このアプローチは、ML がその可能性を最大限に発揮し、研究だけでなく臨床レベルでも熟練するのに役立ちます。
以下に示すように、Federated Learning は通常の ML と同等のパフォーマンスを備えています。 実験 NVidia Clara による (BRATS2018 データセットを使用した Medical Modal ARchive (MMAR) について)。ここで、FL は一元化されたデータを使用したトレーニングと比較して同等のセグメンテーション パフォーマンスを達成しました。マルチモーダル、マルチクラスの脳腫瘍セグメンテーション タスクのトレーニング中に、約 80 エポックで 600% 以上のパフォーマンスが得られました。
フェデレーテッド ラーニングは、患者類似性学習、患者表現学習、表現型解析、予測モデリングなどのユースケースを対象として、いくつかの医療サブ分野で最近テストされています。
アプリケーションのブループリント: フェデレーション ラーニングにより、簡単かつ簡単に実現できます。
FL を始めるには、多くの高品質のデータセットから選択できます。たとえば、脳画像を含むデータセットには次のものがあります。 従う (自閉症脳画像データ交換イニシアチブ)、 アドニ (アルツハイマー病神経画像イニシアチブ)、 RSNA (北米放射線学会) 脳CT、 ブラTS (Multimodal Brain Tumor Image Segmentation Benchmark) は、以下の脳腫瘍セグメンテーション チャレンジ用に定期的に更新されます。 UPenn (ペンシルベニア大学)、英国バイオバンク (以下の NIH で取り上げられています) 紙)、及び XI。心臓画像についても同様に、ACDC (Automatic Cardiac Diagnosis Challenge) など、公開されているいくつかのオプションから選択できます。ACDC は、以下で国立医学図書館によって言及されている完全な注釈付きの心臓 MRI 評価データセットです。 紙、および M&M (マルチセンター、マルチベンダー、およびマルチ疾患) 心臓セグメンテーション チャレンジについては、以下で説明します。 IEEE 紙。
次の画像は、 ATLAS R1.1 データセットからの原発病変の確率的病変重複マップ。 (脳卒中は、脳病変の最も一般的な原因の 1 つです。 クリーブランド·クリニック.)
電子医療記録 (EHR) データについては、次のようないくつかのデータセットが利用可能です。 FastHealthcareの相互運用性リソース (FHIR) 規格。この標準は、異種の正規化されていないデータセットに関する特定の課題を取り除き、データセットのシームレスで安全な交換、共有、統合を可能にすることで、簡単なパイロットを構築するのに役立ちます。 FHIR により、最大限の相互運用性が可能になります。データセットの例には次のものがあります。 ミミック-IV (集中治療向け医療情報マート)。現時点では FHIR ではないものの、簡単に変換できるその他の高品質のデータセットには次のものがあります。 メディケア&メディケイドサービスセンター (CMS) 公共使用ファイル (PUF) および eICU共同研究データベース MIT(マサチューセッツ工科大学)出身。 FHIR ベースのデータセットを提供する他のリソースも利用可能になりつつあります。
FL を実装するライフサイクルには次のものが含まれます。 ステップ: タスクの初期化、選択、構成、モデルのトレーニング、クライアント/サーバー通信、スケジューリングと最適化、バージョン管理、テスト、展開、および終了。以下で説明するように、従来の ML 用の医療画像データを準備するには、多くの時間のかかる手順が必要です。 紙。一部のシナリオでは、特に機密性とプライベートな性質のため、生の患者データを前処理するためにドメインの知識が必要になる場合があります。 FL ではこれらを統合したり、場合によっては削除したりすることができるため、トレーニングにかかる重要な時間が節約され、より迅速な結果が得られます。
製品の導入
FL ツールとライブラリは広範なサポートによって成長しており、大きなオーバーヘッドを必要とせずに FL を簡単に使用できるようになりました。始めるために利用できる優れたリソースとフレームワークのオプションがたくさんあります。以下を参照できます 広範なリスト FL ドメインで最も人気のあるフレームワークとツールの例 ピシート, FedML, フラワー, オープンフロリダ, FATE, TensorFlowフェデレーション, NVフレア。初心者向けに、すぐに始めて構築できるプロジェクトのリストを提供します。
クラウドネイティブのアプローチを実装するには、 アマゾンセージメーカー シームレスに連携します AWS VPC ピアリング、各ノードのトレーニングをそれぞれの VPC のプライベート サブネットに保持し、プライベート IPv4 アドレスを介した通信を可能にします。さらに、モデルのホスティング Amazon SageMaker ジャンプスタート モデルの重みを共有せずにエンドポイント API を公開することで役立ちます。
また、オンプレミスのハードウェアに伴う潜在的な高レベルのコンピューティングの課題も解消されます。 アマゾン エラスティック コンピューティング クラウド (Amazon EC2) リソース。 FL クライアントとサーバーを AWS に実装するには、次のようにします。 SageMaker ノートブック および Amazon シンプル ストレージ サービス (Amazon S3)、データおよびモデルへの規制されたアクセスを維持します。 AWS IDおよびアクセス管理 (IAM) ロールと使用 AWSセキュリティトークンサービス (AWS STS) クライアント側のセキュリティ用。 Amazon EC2 を使用して FL 用の独自のカスタム システムを構築することもできます。
を使用した FL の実装の詳細な概要については、 フラワー SageMaker のフレームワークと分散トレーニングとの違いについては、以下を参照してください。 Amazon SageMaker のフェデレーションラーニングを使用した分散トレーニングデータによる機械学習.
次の図は、FL における転移学習のアーキテクチャを示しています。
フロリダ州のデータの課題に対処する
フェデレーテッド ラーニングには、プライバシーやセキュリティなどのデータに関する独自の課題が伴いますが、対処するのは簡単です。まず、さまざまなサイトや参加組織にまたがって保存されているデータから生じる医療画像データのデータ異質性の問題に対処する必要があります。 ドメインシフト 問題 (とも呼ばれます) 顧客のシフト FL システムでは)、Guan と Liu が以下で強調しているように 紙。これにより、グローバル モデルの収束に違いが生じる可能性があります。
考慮すべきその他の要素には、ソースでのデータの品質と均一性の確保、専門知識を学習プロセスに組み込んで医療専門家にシステムに対する信頼を与えること、モデルの精度の達成などが含まれます。導入中に直面する可能性のあるいくつかの潜在的な課題の詳細については、以下を参照してください。 紙.
AWS は、Amazon EC2 の柔軟なコンピューティングや事前構築済みの機能などの機能により、これらの課題の解決を支援します。 Dockerイメージ SageMaker で簡単にデプロイできます。各ノード組織の不均衡なデータや計算リソースなどのクライアント側の問題を解決できます。悪意のある当事者からのポイズニング攻撃などのサーバー側の学習問題に対処するには、次のようにします。 アマゾン バーチャル プライベート クラウド (Amazon VPC)、 セキュリティグループ、およびその他のセキュリティ標準に準拠し、クライアントの破損を防止し、AWS 異常検出サービスを実装します。
AWS はまた、柔軟で使いやすく、手間のかからないリフト技術ソリューションを提供することで、統合の課題、現在または従来の病院システムとの互換性の問題、ユーザー導入のハードルなど、現実世界の実装の課題への対処にも役立ちます。
AWS のサービスを使用すると、世界中のさまざまなサイトで構成される大規模なフロリダ州ベースの研究および臨床の実装と展開を実現できます。
相互運用性に関する最近のポリシーでは、フェデレーション ラーニングの必要性が強調されています。
最近政府が可決した多くの法律にはデータの相互運用性に重点が置かれており、インテリジェンスのためのデータの組織間の相互運用性の必要性が強化されています。これは、次のようなフレームワークを含む FL を使用することで実現できます。 テフカ (信頼された交換フレームワークと共通合意) および拡張された USCDI (相互運用性のための米国のコアデータ)。
提案されたアイデアは、CDC の捕獲と配布の取り組みにも貢献します。 CDC の前進。以下はGovCIOの記事からの引用 データ共有と AI が 2024 年の連邦保健庁の最優先事項 また、同様のテーマを繰り返しています。「これらの機能は、公平な方法で一般の人々をサポートすることもでき、患者がいる場所で患者と面会し、これらのサービスへの重要なアクセスを可能にすることができます。この作業の多くはデータに基づいています。」
これは、データサイロを抱える全国 (および世界中) の医療機関や機関を支援します。シームレスで安全な統合とデータの相互運用性の恩恵を受けることができ、医療データを効果的な ML ベースの予測やパターン認識に使用できるようになります。画像から始めることもできますが、このアプローチはすべての EHR にも同様に適用できます。目標は、データを正規化および標準化するか、FL に直接使用するためのクラウドネイティブ パイプラインを使用して、データ関係者にとって最適なアプローチを見つけることです。
使用例を見てみましょう。心臓発作の画像データとスキャンは国中および世界中に散在し、研究所、大学、病院の孤立したサイロに保管され、官僚的、地理的、政治的境界によって分離されています。単一の集約されたソースはなく、医療専門家 (プログラマーではない) がそこから洞察を引き出す簡単な方法もありません。同時に、このデータに基づいて ML モデルと DL モデルをトレーニングすることは現実的ではありません。これは、心臓スキャンの受信に何時間もかかり、患者の命が危うくなる可能性がある重要な時期に、医療専門家がより迅速かつ正確な意思決定を下すのに役立ちます。バランス。
その他の既知の使用例は次のとおりです。 POTS (オンライン購入追跡システム) NIHの (国立衛生研究所) と、世界中の COMCOM/MAJCOM 拠点における分散および階層化されたインテリジェンス ソリューションのニーズに対応するサイバーセキュリティ。
まとめ
フェデレーション ラーニングは、従来の医療データ分析とインテリジェンスに大きな期待をもたらします。 AWS サービスを使用してクラウドネイティブ ソリューションを実装するのは簡単で、FL はレガシー データや技術的な課題を抱える医療組織にとって特に役立ちます。 FL は治療サイクル全体に潜在的な影響を与える可能性がありますが、大規模な連邦組織や政府指導者によるデータの相互運用性に焦点が当てられている現在、その影響はさらに大きくなっています。
このソリューションは、車輪の再発明を回避し、最新テクノロジーを使用してレガシー システムから飛躍し、進化し続ける AI の世界で最前線に立つのに役立ちます。また、医療分野やその他の分野の政府機関や機関内および機関間でのデータの相互運用性へのベスト プラクティスと効率的なアプローチのリーダーになることもできます。全国にデータサイロが点在する機関や機関の場合は、このシームレスで安全な統合の恩恵を受けることができます。
この投稿の内容と意見はサードパーティの作成者によるものであり、AWS はこの投稿の内容や正確性について責任を負いません。 HIPAA の対象となるかどうか、また対象である場合、HIPAA とその実施規制に準拠する最善の方法を決定するのは、各顧客の責任です。保護された医療情報に関連して AWS を使用する前に、お客様は AWS Business Associate Addendum (BAA) に入力し、その構成要件に従う必要があります。
著者について
ニティン・クマール (MS、CMU) は、T and T Consulting Services, Inc. の主任データ サイエンティストです。研究開発のプロトタイピング、医療情報学、公共部門のデータ、およびデータの相互運用性に関して豊富な経験を持っています。彼は最先端の研究手法に関する知識を連邦部門に応用して、革新的な技術論文、POC、MVP を提供しています。彼は複数の連邦政府機関と協力して、データと AI の目標を推進してきました。 Nitin の他の重点分野には、自然言語処理 (NLP)、データ パイプライン、生成 AI などがあります。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/enable-data-sharing-through-federated-learning-a-policy-approach-for-chief-digital-officers/
- :持っている
- :は
- :not
- :どこ
- $UP
- 000
- 1
- 100
- 116
- 130
- 600
- 7
- 9
- a
- 私たちについて
- 加速する
- アクセス
- 従った
- 説明責任
- 精度
- 正確な
- 達成
- 達成する
- ACM
- 越えて
- さらに
- 住所
- アドレス
- アドレッシング
- 養子縁組
- 進める
- 機関
- 代理店
- 集約された
- 契約
- AI
- すべて
- 許可
- また
- アルツハイマー
- Amazon
- Amazon EC2
- Amazon Webサービス
- アメリカ
- 間で
- an
- 分析論
- および
- 異常検出
- どれか
- API
- 適用可能な
- 適用
- アプローチ
- 約
- 建築
- Archive
- です
- エリア
- 発生する
- 周りに
- 記事
- 人工の
- 人工知能
- 人工知能(AI)
- AS
- 側面
- 評価
- アシスト
- 仲間
- At
- 攻撃
- 著者
- 自閉症
- オートマチック
- 利用できます
- 平均
- 避ける
- 離れて
- AWS
- ベース
- BE
- なぜなら
- になる
- になる
- き
- 背後に
- さ
- ベンチマーク
- 恩恵
- 利点
- BEST
- ベストプラクティス
- の間に
- 越えて
- 偏った
- 10億
- ブログ
- 青写真
- 強化
- ボトルネック
- 境界
- 脳
- 持って来る
- ビルド
- 建物
- 官僚的
- ビジネス
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- CA
- 缶
- 機能
- キャプチャー
- これ
- 場合
- 例
- 原因となる
- 原因
- CCPA
- CDC
- 集中型の
- 一定
- 挑戦する
- 課題
- チーフ
- 選択する
- クララ
- クライアント
- 臨床
- Cms
- 共同
- 来ます
- 来ます
- コマンドと
- コミュニケーション
- 匹敵します
- 比べ
- 互換性
- 従う
- コンポーネント
- 計算
- 計算
- 条件
- 信頼
- 接続
- 考慮
- 圧密
- 制約
- コンサルティング
- consumer
- 消費者のプライバシー
- コンテンツ
- 文脈上の
- 貢献する
- コントロール
- 収束
- 変換
- 基本
- 腐敗
- 高額で
- 可能性
- 国
- カバー
- 重大な
- 重大な
- 面倒
- 電流プローブ
- 現在
- カスタム
- Customers
- 最先端
- サイバーセキュリティ
- サイクル
- 損傷
- データ
- データ分析
- データ交換
- データ処理
- データ保護
- データサイエンティスト
- データセキュリティ
- データ共有
- データセット
- 中
- 死
- 分権化された
- 意思決定
- 決定
- 深いです
- 深い学習
- 配信する
- 部門
- によっては
- 展開します
- 展開
- 派生する
- 記載された
- 詳細な
- 検出
- 決定する
- 決定
- 診断
- ダイアグラム
- 違い
- 異なります
- デジタル
- 方向
- 直接に
- 障害者
- 話し合います
- 議論
- 病気
- 配布
- 分散トレーニング
- ディストリビューション
- 異なる
- 医師
- ドメイン
- ドメイン
- ダウン
- dr
- 原因
- デュレーション
- 間に
- ダイナミック
- 各
- 簡単に
- 簡単に
- 使いやすい
- エコー
- 効果的に
- 効率
- 効率的な
- 楽な
- 努力
- エレクトロニック
- 電子健康記録 (Electronic Health Records)
- 除去された
- 緊急事態
- enable
- 可能
- 有効にする
- エンドポイント
- エンジニアリング
- 豊かな
- 確保する
- 入力します
- 全体
- エポック
- 公平な
- 特に
- 評価する
- さらに
- あらゆる
- 誰も
- 例
- 例
- 交換
- 拡大
- 体験
- エキスパート
- 探る
- で
- 広範囲
- 豊富な経験
- エキス
- 顔
- 速いです
- 実行可能な
- 特徴
- 連邦政府の
- 連合した
- 少数の
- フィールド
- フィギュア
- ファイナル
- もう完成させ、ワークスペースに掲示しましたか?
- ファイアウォール
- 名
- 五
- フレキシブル
- フォーカス
- フォロー中
- 強
- 最前線
- フォーム
- 発見
- フレームワーク
- フレームワーク
- 頻繁に
- から
- フル
- さらに
- さらに
- GDPR
- 一般に
- 生々しい
- 生成AI
- 地理的
- 取得する
- 与える
- グローバル
- 世界
- Go
- 目標
- 目標
- ゴールド
- ゴールド·スタンダード
- 良い
- 政府・公共機関
- 政府の指導者
- 素晴らしい
- 成長した
- ゲスト
- Hardware
- ハーネス
- 利用する
- 持ってる
- he
- 健康
- 健康情報
- ヘルスケア
- ハート
- ヘビー
- 助けます
- 役立つ
- ことができます
- こちら
- ハイレベル
- 高品質
- 特徴
- 強調表示された
- 邪魔する
- 彼の
- 保持している
- 病院
- 病院
- ホスティング
- HOURS
- 認定条件
- しかしながら
- HTML
- HTTP
- HTTPS
- ハードル
- アイデア
- アイデンティティ
- IEEE
- if
- 説明します
- 説明する
- 画像
- 画像
- イメージング
- 影響
- 衝撃的
- 実装する
- 実装
- 実装
- 重要
- 改善します
- 改善
- 改善
- in
- 不正確
- (株)
- include
- 含めて
- 包括的
- 組み込む
- 組み込む
- 個人
- 情報
- 情報に基づく
- インフォーム
- インフラ
- イニシアチブ
- 革新的な
- 洞察
- インスパイア
- 機関
- 機関
- 保険
- 統合
- インテリジェンス
- 世界全体
- インターネット
- 相互運用性(インターオペラビリティ)
- に
- 分離された
- 問題
- IT
- ITS
- join
- JPEG
- JPG
- ただ
- 保管
- 知識
- 既知の
- クマー
- ラベリング
- 言語
- 大
- 大規模
- 最新の
- 法制
- つながる
- リーダー
- リーダー
- 主要な
- 跳躍
- 学習
- コメントを残す
- Legacy
- レベル
- ライブラリ
- 図書館
- 生活
- wifecycwe
- 軽量
- ような
- 制限
- リスト
- 命
- ローカル
- 場所
- 長期的
- より長いです
- 失う
- たくさん
- 機械
- 機械学習
- マシン
- 維持する
- make
- 作る
- 作成
- 悪意のある
- 管理する
- マニュアル
- 多くの
- 地図
- マッピング
- マサチューセッツ州
- マサチューセッツ工科大学
- 大規模な
- 五月..
- 医療の
- 医療データ
- メディケア
- 薬
- ご相談
- 言及した
- マージ
- メソッド
- かもしれない
- 分
- マサチューセッツ工科大学(MIT)
- ML
- モデリング
- モデル
- 他には?
- 最も
- 一番人気
- 移動する
- MRI検査
- ずっと
- マルチパーティ
- の試合に
- しなければなりません
- MVP
- 国民
- 国立衛生研究所
- ナチュラル
- 自然言語処理
- 自然
- 必要
- 必要とされる
- ニーズ
- ネットワーク
- ニューロン
- 新作
- より新しい
- NIHの
- NLP
- いいえ
- ノース
- 北米
- 今
- 数
- Nvidia
- 障害
- 障害
- of
- 提供
- 提供すること
- オファー
- 役員
- 頻繁に
- on
- ONE
- オンライン
- 意見
- 最適化
- オプション
- or
- 組織
- 組織
- その他
- さもないと
- 外側
- が
- 克服する
- オーバーヘッド
- オーバーラップ
- 概要
- 自分の
- 紙素材
- 論文
- 参加者
- 参加する
- パーティー
- パーティー
- 渡された
- 患者
- 患者
- パターン
- パターン
- ペンシルベニア州
- のワークプ
- パフォーマンス
- 人
- 個人的な
- 個人データ
- 相
- パイロット
- パイプライン
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- 中毒
- ポリシー
- 方針
- 政治的
- 人気
- 移植性
- ポーズ
- 可能
- ポスト
- 潜在的な
- 電力
- 力
- プラクティス
- 精度
- 予測
- 予備
- 準備中
- 防ぐ
- 予防
- 主要な
- プライバシー
- プライバシーとセキュリティ
- プライベート
- 問題
- 問題
- プロセス
- ラボレーション
- 処理
- 専門家
- プロジェクト(実績作品)
- 約束
- 割合
- 提案する
- 提案された
- 所有権
- 保護された
- 保護
- プロトタイピング
- は、大阪で
- 提供
- 公共
- 公然と
- 購買
- 置きます
- 品質
- クイック
- すぐに
- 非常に
- 率
- R&D
- 根本的に
- 範囲
- Raw
- RE
- リーチ
- リアル
- 現実の世界
- 理由は
- 最近
- 認識
- 記録
- 再発
- 減らします
- 参照する
- 言及
- レギュラー
- 定期的に
- 規制
- 規制
- 関連する
- 信頼性のある
- 除去
- 倉庫
- 表現
- 要件
- 研究
- 研究機関
- 研究者
- 解決する
- リソース
- それらの
- 責任
- 責任
- 制限
- 結果
- 結果
- 富裕層
- 堅牢な
- 役割
- ルート
- セージメーカー
- 同じ
- サンプル
- Save
- 節約
- スケーラビリティ
- スキャン
- 散在する
- シナリオ
- スケジューリング
- 科学者
- シームレス
- シームレス
- 二番
- 二次
- セクション
- セクター
- 安全に
- セキュリティ
- セキュリティトークン
- セグメンテーション
- 選択
- 敏感な
- サーバー
- サービス
- セット
- 設定
- いくつかの
- シェアする
- shared
- シェアリング
- 表示する
- 示す
- 重要
- 著しく
- サイロ
- 同様の
- 同様に
- 簡単な拡張で
- サイト
- 座っている
- サイズ
- 小さい
- So
- 社会
- 溶液
- ソリューション
- 一部
- 時々
- ソース
- スペース
- 特定の
- 特に
- スタッフ
- ステークホルダー
- 標準
- 規格
- start
- 開始
- 米国
- 統計的
- ステップ
- まだ
- ストレージ利用料
- 保存され
- 簡単な
- テーマ
- サブネット
- サポート
- システム
- 取る
- 取り
- 仕事
- タスク
- チーム
- テク
- 技術的
- テクノロジー
- テクノロジー
- テンソルフロー
- テスト
- テスト
- より
- それ
- ソース
- 世界
- アプリ環境に合わせて
- それら
- テーマ
- そこ。
- それによって
- したがって、
- ボーマン
- 彼ら
- サードパーティ
- この
- それらの
- 介して
- 引き締め
- 時間
- <font style="vertical-align: inherit;">回数</font>
- 〜へ
- 一緒に
- トークン
- あまりに
- 豊富なツール群
- top
- に向かって
- 追跡
- 伝統的な
- トレーニング
- 訓練された
- トレーニング
- 列車
- 転送
- 最適化の適用
- 変換
- トランジット
- 治療
- 治療
- 信頼されている
- Uk
- 不偏
- 下
- 統一
- 単位
- 結合する
- ユナイテッド
- 米国
- 大学
- 大学
- 異なり、
- ロック解除
- 未開発
- 更新しました
- に
- us
- 使用可能な
- つかいます
- 使用事例
- 中古
- ユーザー
- ユーザー採用
- 使用されます
- 貴重な
- 値
- バリエーション
- さまざまな
- ベンダー
- 、
- 犠牲者
- バーチャル
- 欲しいです
- 仕方..
- we
- ウェブ
- Webサービス
- WELL
- ホイール
- いつ
- かどうか
- which
- while
- なぜ
- 広範囲
- 以内
- 無し
- 言葉
- 仕事
- 働いていました
- ワーキング
- 作品
- 世界
- でしょう
- 書かれた
- 年
- 年
- まだ
- You
- あなたの
- ゼファーネット