基于区块链联邦学习与深度学习模型的CT影像COVID-19检测
图像与视频处理
2021-12-14 v2 计算机视觉与模式识别
机器学习
摘要
随着全球COVID-19病例的增加，需要一种有效的方法来诊断COVID-19患者。诊断COVID-19患者的主要问题是检测试剂盒的短缺与可靠性，由于病毒的快速传播，医疗从业者难以识别阳性病例。第二个现实问题是在全球医院间共享数据，同时顾及机构的隐私关切。构建协作模型并保护隐私是训练全局深度学习模型的主要关切。本文提出一个框架，从不同来源（多家医院）收集少量数据，并使用基于区块链的联邦学习训练全局深度学习模型。区块链技术对数据进行认证，联邦学习在保护机构隐私的同时全局训练模型。首先，我们提出一种数据归一化技术来处理数据的异质性，因为数据来自配备不同种类CT扫描仪的不同医院。其次，我们使用基于胶囊网络（Capsule Network）的分割与分类来检测COVID-19患者。第三，我们设计了一种方法，可利用区块链技术与联邦学习协作训练全局模型，同时保护隐私。此外，我们收集了真实世界的COVID-19患者数据，并向研究界开放。所提框架可利用最新数据，从而改进计算机断层扫描（CT）图像的识别。最后，我们的结果展示了检测COVID-19患者的更优性能。
引用
@article{arxiv.2007.06537,
title = {Blockchain-Federated-Learning and Deep Learning Models for COVID-19 detection using CT Imaging},
author = {Rajesh Kumar and Abdullah Aman Khan and Sinmin Zhang and Jay Kumar and Ting Yang and Noorbakhash Amiri Golalirz and Zakria and Ikram Ali and Sidra Shafiq and WenYong Wang},
journal= {arXiv preprint arXiv:2007.06537},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2003.10849 by other authors