基于图像分析的联邦学习与迁移学习在癌症检测中的应用
计算机视觉与模式识别
2024-05-31 v1
摘要
这篇综述文章讨论了联邦学习（FL）和迁移学习（TL）在基于图像分析的癌症检测中的作用。随着机器学习技术在癌症检测中日益重要，这两种由机器学习驱动的策略因其提高癌症诊断精度和有效性的潜力而备受关注。FL使得能够在多个站点上分布的数据上训练机器学习模型，而无需集中数据共享，而TL则允许将知识从一个任务迁移到另一个任务。对这两种方法的优缺点进行了全面评估。接着，讨论了它们在癌症检测中的应用，包括未来的潜在方向。最后，本文全面描述了TL和FL在基于图像的癌症检测中的作用。作者还对这个快速发展的领域提出了进一步研究的深刻建议。
引用
@article{arxiv.2405.20126,
title = {Federated and Transfer Learning for Cancer Detection Based on Image Analysis},
author = {Amine Bechar and Youssef Elmir and Yassine Himeur and Rafik Medjoudj and Abbes Amira},
journal= {arXiv preprint arXiv:2405.20126},
year = {2024}
}