本研究では、乳がんの早期発見と正確な診断が求められている中、超音波画像を用いた乳がんセグメンテーションに関する新しい手法を提案しています。特に、プライバシーを配慮しながら、分散された医療データでの機械学習を実現するためにフェデレーテッドラーニングが注目されています。しかし、非独立同一分布（non-IID）のデータでの学習はモデルの精度に影響を与えるため、この課題に対処するためにFedProx手法を適用しています。また、注意メカニズムを組み込んだ改良型U-Netモデルを使用して、腫瘍のセグメンテーション精度の向上を図りました。本アプローチにより、全体モデルの精度は96％に達し、患者のプライバシーを保護しつつ腫瘍セグメンテーションの精度向上に貢献できることを示しました。