面向自动化胸部X光诊断的分布式学习方法
机器学习
2021-10-05 v1 计算机视觉与模式识别
摘要
近年来，深度学习已确立为一种解决多种任务的成功方法。医疗健康是深度学习技术最具前景的应用领域之一，因为它能够帮助临床医生分析患者数据并作出诊断。然而，尽管医院和其他临床机构每年收集大量数据，但针对敏感数据（如健康相关数据）的隐私法规对这些方法的应用构成了严峻挑战。在本文中，我们关注当医疗联盟机构需要训练机器学习模型以识别特定疾病时应对隐私问题的策略，比较了两种近期分布式学习方法——联邦学习（Federated Learning）与分割学习（Split Learning）——在自动化胸部X光诊断任务上的性能。具体而言，在我们的分析中，我们研究了客户端数据中不同数据分布的影响，以及机构间数据交换频率的可能策略。
引用
@article{arxiv.2110.01474,
title = {Distributed Learning Approaches for Automated Chest X-Ray Diagnosis},
author = {Edoardo Giacomello and Michele Cataldo and Daniele Loiacono and Pier Luca Lanzi},
journal= {arXiv preprint arXiv:2110.01474},
year = {2021}
}
备注
8 pages, 1 figure