PuSH - Publikationsserver des Helmholtz Zentrums München

Export: TXT Text RIS Endnote (RIS) BIB BibTeX
Mächler, L.* ; Ezhov, I.* ; Kofler, F.* ; Shit, S.* ; Paetzold, J.C. ; Loehr, T.* ; Zimmer, C.* ; Wiestler, B.* ; Menze, B.H.*

FedCostWAvg: A new averaging for better federated learning.

Lect. Notes Comput. Sc. 12963 LNCS, 383-391 (2022)
Postprint DOI
Open Access Green
We propose a simple new aggregation strategy for federated learning that won the MICCAI Federated Tumor Segmentation Challenge 2021 (FETS), the first ever challenge on Federated Learning in the Machine Learning community. Our method addresses the problem of how to aggregate multiple models that were trained on different data sets. Conceptually, we propose a new way to choose the weights when averaging the different models, thereby extending the current state of the art (FedAvg). Empirical validation demonstrates that our approach reaches a notable improvement in segmentation performance compared to FedAvg.
Impact Factor
Scopus SNIP
Altmetric
0.000
0.534
Tags
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern

Zusatzinfos bearbeiten
Eigene Tags bearbeiten
Privat
Eigene Anmerkung bearbeiten
Privat
Auf Publikationslisten für
Homepage nicht anzeigen
Als besondere Publikation
markieren
Publikationstyp Artikel: Journalartikel
Dokumenttyp Wissenschaftlicher Artikel
Schlagwörter Brain Tumor Segmentation ; Federated Learning ; Machine Learning ; Miccai Challenges ; Mri ; Multi-modal Medical Imaging
Sprache englisch
Veröffentlichungsjahr 2022
HGF-Berichtsjahr 2022
ISSN (print) / ISBN 0302-9743
e-ISSN 1611-3349
Zeitschrift Lecture Notes in Computer Science
Quellenangaben Band: 12963 LNCS, Heft: , Seiten: 383-391 Artikelnummer: , Supplement: ,
Verlag Springer
Verlagsort Berlin [u.a.]
Institut(e) Institute for Tissue Engineering and Regenerative Medicine (ITERM)
POF Topic(s) 30205 - Bioengineering and Digital Health
Forschungsfeld(er) Enabling and Novel Technologies
PSP-Element(e) G-505800-001
DOI 10.1007/978-3-031-09002-8_34
Scopus ID 85135145620
Erfassungsdatum 2022-11-07
[➜Korrektur melden]