在联邦学习中利用测试时增强进行脑肿瘤MRI分类
计算机视觉与模式识别
2026-01-21 v1 人工智能
机器学习
摘要
高效的脑肿瘤诊断对于早期治疗至关重要；然而，由于病灶变异性和图像复杂性，这具有挑战性。我们在联邦学习（FL）设置下评估了卷积神经网络（CNN），比较了在原始MRI图像与预处理后的MRI图像（调整大小、灰度转换、归一化、滤波和直方图均衡化）上训练的模型。仅预处理带来的提升微乎其微；与测试时增强（TTA）结合使用时，它在联邦MRI分类中带来了持续且统计上显著的改进（p<0.001）。在实践中，TTA应成为基于FL的医学成像中的默认推理策略；当计算预算允许时，将TTA与轻量级预处理相结合可提供额外的可靠增益。
引用
@article{arxiv.2601.12671,
title = {Exploiting Test-Time Augmentation in Federated Learning for Brain Tumor MRI Classification},
author = {Thamara Leandra de Deus Melo and Rodrigo Moreira and Larissa Ferreira Rodrigues Moreira and André Ricardo Backes},
journal= {arXiv preprint arXiv:2601.12671},
year = {2026}
}
备注
21st International Conference on Computer Vision Theory and Applications (VISAPP 2026), 9-11 March 2026, Marbella, Spain