医学影像中的跨域联邦学习
图像与视频处理
2021-12-21 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
联邦学习(federated learning)在医学影像领域正日益受到探索，用以在分布在不同数据中心的大规模数据集上训练深度学习模型，同时通过避免传输敏感患者信息来保护隐私。在本稿件中，我们探索了多域、多任务设置下的联邦学习，其中不同参与节点可能包含来自不同域的数据集，并被训练以解决不同任务。我们针对目标检测与分割任务，在两种不同实验设置（多模态与多器官）下评估了跨域联邦学习。我们在跨域联邦学习框架上的实验结果令人鼓舞，器官定位的重叠相似度为 0.79，病灶分割为 0.65。我们的结果展示了联邦学习在构建多域、多任务深度学习模型而无需共享不同域数据方面的潜力。
引用
@article{arxiv.2112.10001,
title = {Cross-Domain Federated Learning in Medical Imaging},
author = {Vishwa S Parekh and Shuhao Lai and Vladimir Braverman and Jeff Leal and Steven Rowe and Jay J Pillai and Michael A Jacobs},
journal= {arXiv preprint arXiv:2112.10001},
year = {2021}
}
备注
Under Review for MIDL 2022