PuSH - Publication Server of Helmholtz Zentrum München

Export: TXT Text RIS Endnote (RIS) BIB BibTeX
Zenk, M.* ; Baid, U.* ; Pati, S.G.* ; Linardos, A.* ; Edwards, B.* ; Sheller, M.* ; Foley, P.* ; Aristizabal, A.* ; Zimmerer, D.* ; Gruzdev, A.* ; Martin, J.* ; Shinohara, R.T.* ; Reinke, A.* ; Isensee, F.* ; Parampottupadam, S.* ; Parekh, K.* ; Floca, R.O.* ; Kassem, H.* ; Baheti, B.* ; Thakur, S.* ; Chung, V.* ; Kushibar, K.* ; Lekadir, K.* ; Jiang, M.* ; Yin, Y.* ; Yang, H.* ; Liu, Q.* ; Chen, C.* ; Dou, Q.* ; Heng, P.A.* ; Zhang, X.* ; Zhang, S.* ; Khan, M.I.* ; Azeem, M.* ; Jafaritadi, M.* ; Alhoniemi, E.* ; Kontio, E.* ; Khan, S.A.* ; Mächler, L.* ; Ezhov, I.* ; Kofler, F.* ; Shit, S.* ; Paetzold, J.C. ; Loehr, T.* ; Wiestler, B.* ; Peiris, H.* ; Pawar, K.* ; Zhong, S.* ; Chen, Z.* ; Hayat, M.A.* ; Egan, G.* ; Harandi, M.* ; Isik Polat, E.* ; Polat, G.* ; Kocyigit, A.* ; Temizel, A.* ; Tuladhar, A.* ; Tyagi, L.* ; Souza, R.* ; Forkert, N.D.* ; Mouches, P.* ; Wilms, M.* ; Shambhat, V.* ; Maurya, A.* ; Danannavar, S.S.* ; Kalla, R.* ; Anand, V.K.* ; Krishnamurthi, G.* ; Nalawade, S.* ; Ganesh, C.* ; Wagner, B.* ; Reddy, D.* ; Das, Y.* ; Yu, F.F.* ; Fei, B.* ; Madhuranthakam, A.J.* ; Maldjian, J.* ; Singh, G.* ; Ren, J.* ; Zhang, W.* ; An, N.* ; Hu, Q.* ; Zhang, Y.* ; Zhou, Y.* ; Siomos, V.* ; Tarroni, G.* ; Passerrat-Palmbach, J.* ; Rawat, A.A.* ; Zizzo, G.* ; Kadhe, S.R.* ; Epperlein, J.P.* ; Braghin, S.* ; Wang, Y.* ; Kanagavelu, R.* ; Wei, Q.* ; Yang, Y.* ; Liu, Y.* ; Kotowski, K.* ; Adamski, S.* ; Machura, B.* ; Malara, W.* ; Zarudzki, L.* ; Nalepa, J.* ; Shi, Y.* ; Gao, H.* ; Avestimehr, S.* ; Yan, Y.* ; Akbar, A.S.* ; Kondrateva, E.* ; Li, Z.* ; Wu, H.Y.* ; Roth, J.* ; Saueressig, C.* ; Milesi, A.* ; Nguyen, Q.D.* ; Gruenhagen, N.J.* ; Huang, T.M.* ; Ma, J.* ; Singh, H.S.H.* ; Pan, N.Y.* ; Zhang, D.* ; Zeineldin, R.A.* ; Futrega, M.* ; Yuan, Y.* ; Conte, G.M.* ; Feng, X.* ; Pham, Q.D.* ; Xia, Y.* ; Jiang, Z.* ; Luu, H.M.* ; Dobko, M.* ; Carré, A.* ; Tuchinov, B.* ; Mohy-Ud-Din, H.* ; Alam, S.* ; Singh, A.* ; Shah, N.* ; Wang, W.* ; Sako, C.* ; Bilello, M.* ; Ghodasara, S.* ; Mohan, S.* ; Davatzikos, C.* ; Calabrese, E.* ; Rudie, J.D.* ; Villanueva-Meyer, J.* ; Cha, S.-C.* ; Hess, C.* ; Mongan, J.* ; Ingalhalikar, M.* ; Jadhav, M.* ; Pandey, U.* ; Saini, J.* ; Huang, R.Y.* ; Chang, K.M.* ; To, M.S.* ; Bhardwaj, S.* ; Chong, C.* ; Agzarian, M.* ; Kozubek, M.* ; Lux, F.* ; Michálek, J.* ; Matula, P.* ; Ker Kovský, M.* ; Kopr Ivová, T.* ; Dostal, M.* ; Vybíhal, V.* ; Pinho, M.C.* ; Holcomb, J.* ; Metz, M.* ; Jain, R.* ; Lee, M.D.* ; Lui, Y.W.* ; Tiwari, P.* ; Verma, R.* ; Bareja, R.* ; Yadav, I.* ; Chen, J.* ; Kumar, N.* ; Gusev, Y.* ; Bhuvaneshwar, K.* ; Sayah, A.* ; Bencheqroun, C.* ; Belouali, A.* ; Madhavan, S.* ; Colen, R.R.* ; Kotrotsou, A.* ; Vollmuth, P.* ; Brugnara, G.* ; Preetha, C.J.* ; Sahm, F.* ; Bendszus, M.* ; Wick, W.* ; Mahajan, A.* ; Balaña, C.* ; Capellades, J.* ; Puig, J.* ; Choi, Y.S.* ; Lee, S.K.* ; Chang, J.H.* ; Ahn, S.S.* ; Shaykh, H.F.* ; Herrera-Trujillo, A.* ; Trujillo, M.* ; Escobar, W.* ; Abello, A.* ; Bernal, J.* ; Gómez, J.* ; LaMontagne, P.* ; Marcus, D.S.* ; Milchenko, M.* ; Nazeri, A.* ; Landman, B.* ; Ramadass, K.* ; Xu, K.* ; Chotai, S.* ; Chambless, L.B.* ; Mistry, A.* ; Thompson, R.C.* ; Srinivasan, A.* ; Bapuraj, J.R.* ; Rao, A.* ; Wang, N.* ; Yoshiaki, O.* ; Moritani, T.* ; Türk, S.* ; Lee, J.* ; Prabhudesai, S.* ; Garrett, J.M.* ; Larson, M.G.* ; Jeraj, R.* ; Li, H.* ; Weiss, T.* ; Weller, M.* ; Bink, A.* ; Pouymayou, B.* ; Sharma, S.* ; Tseng, T.C.* ; Adabi, S.* ; Xavier Falcão, A.* ; Martins, S.B.* ; Teixeira, B.C.A.* ; Sprenger, F.* ; Menotti, D.* ; Lucio, D.R.* ; Niclou, S.P.* ; Keunen, O.* ; Hau, A.C.* ; Pelaez, E.* ; Franco-Maldonado, H.* ; Loayza, F.* ; Quevedo, S.* ; McKinley, R.* ; Slotboom, J.* ; Radojewski, P.* ; Meier, R.* ; Wiest, R.* ; Trenkler, J.* ; Pichler, J.* ; Necker, G.* ; Haunschmidt, A.* ; Meckel, S.* ; Guevara, P.* ; Torche, E.* ; Mendoza, C.* ; Vera, F.* ; Ríos, E.* ; Lopez, E.* ; Velastin, S.A.* ; Choi, J.* ; Baek, S.* ; Kim, Y.* ; Ismael, H.* ; Allen, B.* ; Buatti, J.M.* ; Zampakis, P.* ; Panagiotopoulos, V.* ; Tsiganos, P.* ; Alexiou, S.* ; Haliassos, I.* ; Zacharaki, E.I.* ; Moustakas, K.* ; Kalogeropoulou, C.* ; Kardamakis, D.M.* ; Luo, B.* ; Poisson, L.M.* ; Wen, N.* ; Vallières, M.* ; Loutfi, M.A.L.* ; Fortin, D.* ; Lepage, M.* ; Morón, F.* ; Mandel, J.L.* ; Shukla, G.* ; Liem, S.* ; Alexandre, G.S.* ; Lombardo, J.* ; Palmer, J.D.* ; Flanders, A.E.* ; Dicker, A.P.* ; Ogbole, G.* ; Oyekunle, D.* ; Odafe-Oyibotha, O.* ; Osobu, B.* ; Shu'aibu Hikima, M.* ; Soneye, M.* ; Dako, F.* ; Dorcas, A.* ; Murcia, D.* ; Fu, E.* ; Haas, R.* ; Thompson, J.A.* ; Ormond, D.R.* ; Currie, S.* ; Fatania, K.* ; Frood, R.* ; Simpson, A.L.* ; Peoples, J.J.* ; Hu, R.* ; Cutler, D.* ; Moraes, F.Y.* ; Tran, A.* ; Hamghalam, M.* ; Boss, M.A.* ; Gimpel, J.* ; Kattil Veettil, D.* ; Schmidt, K.* ; Cimino, L.* ; Price, C.* ; Bialecki, B.* ; Marella, S.* ; Apgar, C.* ; Jakab, A.* ; Weber, M.A.* ; Colak, E.* ; Kleesiek, J.* ; Freymann, J.B.* ; Kirby, J.S.* ; Maier-Hein, L.* ; Albrecht, J.* ; Mattson, P.* ; Karargyris, A.* ; Shah, P.* ; Menze, B.* ; Maier-Hein, K.* ; Bakas, S.*

Towards fair decentralized benchmarking of healthcare AI algorithms with the Federated Tumor Segmentation (FeTS) challenge.

Nat. Commun. 16:6274 (2025)
Publ. Version/Full Text Research data DOI PMC
Open Access Gold
Creative Commons Lizenzvertrag
Computational competitions are the standard for benchmarking medical image analysis algorithms, but they typically use small curated test datasets acquired at a few centers, leaving a gap to the reality of diverse multicentric patient data. To this end, the Federated Tumor Segmentation (FeTS) Challenge represents the paradigm for real-world algorithmic performance evaluation. The FeTS challenge is a competition to benchmark (i) federated learning aggregation algorithms and (ii) state-of-the-art segmentation algorithms, across multiple international sites. Weight aggregation and client selection techniques were compared using a multicentric brain tumor dataset in realistic federated learning simulations, yielding benefits for adaptive weight aggregation, and efficiency gains through client sampling. Quantitative performance evaluation of state-of-the-art segmentation algorithms on data distributed internationally across 32 institutions yielded good generalization on average, albeit the worst-case performance revealed data-specific modes of failure. Similar multi-site setups can help validate the real-world utility of healthcare AI algorithms in the future.
Impact Factor
Scopus SNIP
Altmetric
15.700
0.000
Tags
Annotations
Special Publikation
Hide on homepage

Edit extra information
Edit own tags
Private
Edit own annotation
Private
Hide on publication lists
on hompage
Mark as special
publikation
Publication type Article: Journal article
Document type Scientific Article
Keywords Brain; Performance; Cnn
Language english
Publication Year 2025
HGF-reported in Year 2025
ISSN (print) / ISBN 2041-1723
e-ISSN 2041-1723
Journal Nature Communications
Quellenangaben Volume: 16, Issue: 1, Pages: , Article Number: 6274 Supplement: ,
Publisher Nature Publishing Group
Publishing Place London
Reviewing status Peer reviewed
Institute(s) Institute for Tissue Engineering and Regenerative Medicine (ITERM)
POF-Topic(s) 30205 - Bioengineering and Digital Health
Research field(s) Enabling and Novel Technologies
PSP Element(s) G-505800-001
Grants CRUK
Ministry of Health of the Czech Republic
Clinical and Translational Imaging Lab at LUMS
Higher Education Commission of Pakistan as part of the National Center for Big Data and Cloud Computing
National Cancer Institute
Herbert and Florence Irving/the Irving Trust
NIH/NCATS, a research grant from Varian Medical Systems (Palo Alto, CA, USA)
NIH/NIBIB
Silesian University of Technology
Silesian University of Technology funds through the Excellence Initiative-Research University program
Canadian Institutes of Health Research (CIHR Project)
CSC-Puhti supercomputer
Business Finland
Hong Kong Research Grants Council
Juan de la Cierva fellowship
National Institutes of Health (NIH)
Ministry of Education, Youth and Sports of the Czech Republic
Wellcome award
Cancer Research UK
Leeds Hospitals Charity
Canada CIFAR AI Chairs Program
NSF Convergence Accelerator - Track D: ImagiQ: Asynchronous and Decentralized Federated Learning for Medical Imaging
ANID-Basal proyects
CNPq
National Institutes of Health
NSF
Deutsche Forschungsgemeinschaft (DFG, German Research Foundation)
CCSG Grant
MH CZ - DRO (FNBr)
Helmholtz Association (HA) within the project "Trustworthy Federated Data Analytics" (TFDA)
DOI 10.1038/s41467-025-60466-1
WOS ID 001524916200022
Scopus ID 105010224653
PubMed ID 40628696
Erfassungsdatum 2025-07-15
[➜Report correction]