Search

In federated learning (FL), the global model at the server requires an efficient mechanism for weight aggregation and a systematic strategy for collaboration selection to manage and optimize communication payload. We introduce a practical and cost-efficient method for regularized weight aggregation and propose a laborsaving technique to select collaborators per round. We illustrate the performance of our method, regularized similarity weight aggregation (RegSimAgg), on the Federated Tumor Segmentation (FeTS) 2022 challenge's federated training (weight aggregation) problem. Our scalable approach is principled, frugal, and suitable for heterogeneous non-IID collaborators. Using FeTS2021 evaluation criterion, our proposed algorithm RegSimAgg stands at 3rd position in the final rankings of FeTS2022 challenge in the weight aggregation task. Our solution is open sourced at: \url{https://github.com/dskhanirfan/FeTS2022}

The number of international benchmarking competitions is steadily increasing in various fields of machine learning (ML) research and practice. So far, however, little is known about the common practice as well as bottlenecks faced by the community in tackling the research questions posed. To shed light on the status quo of algorithm development in the specific field of biomedical imaging analysis, we designed an international survey that was issued to all participants of challenges conducted in conjunction with the IEEE ISBI 2021 and MICCAI 2021 conferences (80 competitions in total). The survey covered participants' expertise and working environments, their chosen strategies, as well as algorithm characteristics. A median of 72% challenge participants took part in the survey. According to our results, knowledge exchange was the primary incentive (70%) for participation, while the reception of prize money played only a minor role (16%). While a median of 80 working hours was spent on method development, a large portion of participants stated that they did not have enough time for method development (32%). 25% perceived the infrastructure to be a bottleneck. Overall, 94% of all solutions were deep learning-based. Of these, 84% were based on standard architectures. 43% of the respondents reported that the data samples (e.g., images) were too large to be processed at once. This was most commonly addressed by patch-based training (69%), downsampling (37%), and solving 3D analysis tasks as a series of 2D tasks. K-fold cross-validation on the training set was performed by only 37% of the participants and only 50% of the participants performed ensembling based on multiple identical models (61%) or heterogeneous models (39%). 48% of the respondents applied postprocessing steps.

Potilaspalautteet ovat yksi tärkeä menetelmä terveydenhuollon asiakaslähtöisen toimintakulttuurin luomisessa ja hoidon laadun jatkuvassa kehittämisessä. Vahva perusta potilaspalautteen merkitykselle tulee muun muassa terveydenhuoltolaista ja sosiaali- ja terveydenhuollon kansallisesta kehittämisohjelmasta. Potilaspalautetta kerätään terveydenhuollossa yleisesti manuaalisesti erilaisilla kyselyillä. Useimmat terveydenhuollon yksiköt keräävät palautetta myös sähköisesti internetsivujen kautta. Potilaille ja heidän läheisilleen palautteen antamisen tulisi olla mahdollisimman helppoa. Terveydenhuollon ammattilaisille puolestaan palautteen reaaliaikaisuus ja raportointijärjestelmän sujuva hyödyntäminen hoidon kehittämisessä ovat tärkeitä tekijöitä. Tämän artikkelin tarkoituksena on kuvata uuden potilaspalautemenetelmän, QR-koodin käyttöönottopilottia sekä verrata palautteenkeräysmenetelmää nykykäytäntöön Varsinais-Suomen sairaanhoitopiirissä (VSSHP). Käyttöönottopilotti tehtiin yhteistyössä VSSHP:n kehittämispalveluiden, sydäntoimialueen, sairaanhoidollisten palveluiden, lasten ja nuorten klinikan sekä TapIn Solutions Oy:n kanssa. Pilotti toteutettiin Turun yliopistollisen keskussairaalan neljässä toimipisteessä: kuvantamisessa, lasten päiväsairaalassa, sydänpoliklinikalla ja -vuodeosastolla. Käyttöönottopilotti kesti noin 1,5 kuukautta. Pilotti tukee erilaisten potilaspalautemenetelmien käytettävyyden ja hyödynnettävyyden arviointia tulevaisuudessa. Arvioimme tuloksissa uuteen palautemenetelmään liittyviä käyttäjäkokemuksia loppukäyttäjien, henkilökunnan ja lähiesimiesten näkökulmasta suhteessa nykykäytäntöön. Pilotoitu menetelmä näyttäisi lisäävän palautteiden määrää. Muita uuden menetelmän vahvuuksia ovat palautteiden reaaliaikaisuus, palauteväittämien sujuva muokattavuus ja niiden liittäminen osaksi kehittämistä ja laadun parantamista, manuaalisen työn väheneminen ja kustannustehokkuus sekä reaaliaikaiset valmiit raportit. Suurin este potilaspalautteen keräämiselle ja hyödyntämiselle näyttäisi liittyvän enemmän henkilökunnan asenteisiin kuin käytettyihin menetelmiin. Potilaat ja / tai heidän läheisensä näkevät palautteen tärkeänä osana toiminnan kehittämistä. Patient feedback is an important tool in creating customer-oriented culture of public health services and in constant development of the quality of care. The health care act and the national development program for social welfare and public health service form a strong foundation for the significance of patient feedback. Quite often patient feedback is manually collected with different questionnaires in the public health care. In addition, most public health service units collect patient feedback electronically through their web pages. Giving feedback should be as easy as possible for the patients and their next of kin. As for the professionals of the public health services, the most important factors are real time feedback and the fluent use of the feedback reports in the development of patient care. The purpose of this article is to describe the implementation of a new patient feedback tool, QR code, and to compare it to the present practice in the hospital district of South West Finland (VSSHP). This pilot study was made in cooperation with the hospital district’s Development Unit, Cardiological Clinic, Medical Services, Children and Adolescent Clinic, and with TapIn Solutions Inc. The pilot was carried out in four units of the University Central Hospital of Turku: in the imaging unit, in the children’s day hospital, in the heart outpatient department and in the cardiological ward. The pilot study lasted about one and a half months and will support future evaluation of the usability and usefulness of different methods on gathering patient feedback. We evaluate the user experience of the new feedback tool from the end users', staff's and managers’ point of view in relation to the present practice. The piloted tool seems to increase the amount of patient feedback. Other strengths of the new method are: real time feedback, fluent revise of statements in order to develop and improve the quality of care, decrease of manual work and cost efficiency, and real time reports. One of the biggest impediments for collecting and utilizing patient feedback seems to be more connected to the attitudes of the staff than to the methods used. The patients and/or their next of kin see the feedback as an important part of the process of developing the care.