使用联邦学习提升基于 GAN 的脂肪抑制的多中心泛化能力
图像与视频处理
2024-04-12 v1 计算机视觉与模式识别
机器学习
摘要
基于生成对抗网络 (GAN) 从非脂肪抑制 (FS) 质子密度序列合成 FS MRI，有望加速膝关节 MRI 的采集。然而，在单中心数据上训练的 GAN 对外部数据的泛化能力较差。我们表明，联邦学习可以提高 GAN 合成 FS MRI 的多中心泛化能力，同时促进隐私保护的多机构合作。
引用
@article{arxiv.2404.07374,
title = {Improving Multi-Center Generalizability of GAN-Based Fat Suppression using Federated Learning},
author = {Pranav Kulkarni and Adway Kanhere and Harshita Kukreja and Vivian Zhang and Paul H. Yi and Vishwa S. Parekh},
journal= {arXiv preprint arXiv:2404.07374},
year = {2024}
}
备注
5 pages, 2 figures