用于 COVID-19 检测的联邦学习模型比较研究
机器学习
2023-03-29 v1 计算机视觉与模式识别
图像与视频处理
摘要
深度学习在诊断 COVID-19 方面有效，且需要大量数据才能有效训练。由于数据和隐私法规，医院通常无法访问其他医院的数据。联邦学习（FL）已被用于解决此问题，其利用分布式设置在医院中以隐私保护方式训练模型。部署 FL 并非总是可行，因为它需要较高的计算与网络通信资源。本文评估了五种 FL 算法在 Covid-19 检测中的性能与资源效率。搭建了带有 CNN 网络的去中心化设置，并将 FL 算法性能与集中式环境进行比较。我们针对不同数量的参与者、联邦轮次和选择算法对算法进行了检验。结果表明，循环权重传输可具有更好的整体性能，且参与者医院越少结果越好。我们的结果展示了检测 COVID-19 患者的良好性能，并可能有助于在一般医学图像分析中部署 FL 算法进行 covid-19 检测。
引用
@article{arxiv.2303.16141,
title = {A Comparative Study of Federated Learning Models for COVID-19 Detection},
author = {Erfan Darzidehkalani and Nanna M. Sijtsema and P. M. A van Ooijen},
journal= {arXiv preprint arXiv:2303.16141},
year = {2023}
}