面向组织病理图像合成的 Kubernetes 规模化联邦学习解决方案
计算机视觉与模式识别
2025-04-08 v1
摘要
在深度学习领域，大型模型往往能获得许多任务的最佳性能，但也需要大规模数据集。在组织病理学领域，组织图像成本高昂且涉及敏感医疗信息，引发数据稀缺和隐私 concerns。视觉 Transformer 已被证明在众多任务中表现优异，包括图像分类。在本工作中，我们将视觉 Transformer 与生成对抗网络结合，用于生成与结直肠癌相关的组织病理图像，并通过数据增强来测试其质量，最终提升分类准确率。随后，我们采用联邦学习技术，在一个由多个节点组成的真实 Kubernetes 环境中复制了这一性能，模拟了多个医院由于隐私原因无法直接共享其训练数据集的情形。
引用
@article{arxiv.2504.04130,
title = {Scaling Federated Learning Solutions with Kubernetes for Synthesizing Histopathology Images},
author = {Andrei-Alexandru Preda and Iulian-Marius Tăiatu and Dumitru-Clementin Cercel},
journal= {arXiv preprint arXiv:2504.04130},
year = {2025}
}