使用联邦学习的口腔疾病检测移动应用
计算机视觉与模式识别
2024-03-20 v1 机器学习
摘要
口腔通常被视为反映身体内部状态的窗口，在反映个人整体健康方面发挥着重要作用。口腔卫生不良会产生深远影响，导致心脏病、癌症和糖尿病等严重疾病，而护理不当则会引起不适、疼痛和高昂的治疗费用。由于患者口腔图像数据具有敏感性，可以将用于目标检测的联邦学习（FL）应用于这一用例。FL 通过将用于目标检测的图像存储在本地设备并在边缘端训练模型来确保数据隐私。更新后的权重被联邦到中央服务器，在那里所有收集到的权重通过联邦平均算法进行更新。最后，我们开发了一款名为 OralH 的移动应用，提供用户友好的解决方案，允许人们通过口腔扫描进行自我评估并提供快速的口腔健康洞察。在检测到问题后，该应用会向用户发出关于潜在口腔健康问题或疾病的警报，并提供用户所在地区牙科诊所的详细信息。该平台被设计为渐进式 Web 应用（PWA），确保了无处不在的访问能力，满足跨设备用户的无缝体验。该应用旨在提供 SOTA 的分割和检测技术，利用 YOLOv8 目标检测模型来识别口腔卫生问题和疾病。本研究探讨了在医疗保健中利用 FL 的益处，并展现了有前景的现实世界结果。
引用
@article{arxiv.2403.12044,
title = {Mobile Application for Oral Disease Detection using Federated Learning},
author = {Shankara Narayanan and Sneha Varsha M and Syed Ashfaq Ahmed and Guruprakash J},
journal= {arXiv preprint arXiv:2403.12044},
year = {2024}
}