연구진이 실제 의료 영상 분할 데이터의 노이즈를 고려한 연합 학습 벤치마크를 공개했어요. 기존 연구는 주로 인위적인 노이즈 환경에서 진행되어 현실적인 평가가 어려웠어요. 이번 벤치마크는 다양한 실제 노이즈 데이터와 시나리오를 포함해 FNLL 방법론 선택을 돕고, 향후 연구 개발을 위한 기반을 제공할 예정이에요.
분할 데이터는 다양한 출처에서 수집되었으며, 연합 학습 프레임워크는 다양한 클라이언트 노이즈 시나리오와 노이즈 맞춤형 평가를 지원해요. GitHub에서 관련 코드를 확인할 수 있어요.
이 벤치마크는 실제 연합 환경에서 FNLL 평가를 위한 현실적이고 차별화된 기반을 제공하며, 데이터별 노이즈 특성 분석 및 방법론 개발에 기여할 것으로 기대돼요.