多拠点の臨床データを解き明かす：プライバシー重視の子どもの自閉症行動分析に向けたフェデレーテッドアプローチ
arXiv cs.CV / 2026/4/6
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、プライバシー規制と小児に関わる高いセンシティビティのために、施設間で臨床データを集約できない状況下で、自動化された子どもの自閉症行動認識モデルを学習するという課題に取り組む。
- 感度の高い姿勢関連データを各クリニック内に保持したまま、多拠点の参加によって一般化された表現を学習できるフェデレーテッドラーニングの枠組みを提案する。
- さらにプライバシーを保護するため、この手法では2層の保護スキームを含め、人の骨格の抽象化を用いて、生のRGB動画入力から識別可能な視覚情報を除去してからフェデレーテッド学習を行う。
- MMASDベンチマークでの実験により、このアプローチが高い認識精度を達成し、従来のフェデレーテッドのベースラインよりも優れていることが示される。
- 著者らは、この枠組みをプライバシー重視でありつつ適応可能でもあるものとして位置づけ、一般化された学習に加えて、施設ごとのパーソナライゼーションを可能にすることで、クリニック間の分布シフトに対処できるとしている。
