基于联邦学习的 HumekaFL：用于新生儿窒气的自动检测

新生儿窒气 (Birth Asphyxia, BA) 是一种 characterized by insufficient supply of oxygen to a newborn during the delivery 的严重疾病，是全球新生儿死亡的主要原因之一。尽管过去二十年里新生儿死亡率有所下降，但发展中国家，尤其是撒哈拉以南非洲地区，仍继续经历最高的 5 岁以下死亡率。虽然 evidence-based methods 常用于非洲医疗环境中的 BA 检测，但可能受到医生错误或诊断延迟的影响，导致及时干预受阻。中心化机器学习方法在 BA 的早期检测中表现良好，但需要将敏感健康数据带出训练环境，这不保证隐私和安全。因此，医疗机构不愿采纳此类解决方案。为此，我们提出一种基于联邦学习 (FL) 的软件架构，这是一种以隐私和安全为设计原则的分布式学习方法。我们开发了一个用户友好且成本效益高的移动应用程序，嵌入了用于 BA 早期检测的 FL 流程。我们的联邦 SVM 模型在现有文献中优于中心化 SVM 流程和神经网络 (NN) 基于的方法。