面向医疗的拆分学习：不共享原始患者数据的分布式深度学习
机器学习
2018-12-04 v1 机器学习
摘要
医疗实体能否在不共享敏感原始数据的情况下协作训练深度学习模型？本文提出一种称为 SplitNN 的分布式深度学习方法的若干配置，以促进此类协作。SplitNN 不向协作机构共享原始数据或模型细节。所提出的 splitNN 配置适用于以下实际场景：i) 实体持有不同模态的患者数据，ii) 集中式与本地医疗实体就多项任务协作，以及 iii) 不共享标签的学习。我们对比了 splitNN 与其他分布式深度学习方法（如联邦学习、大批量同步随机梯度下降）的性能与资源效率权衡，并展示了 splitNN 极具鼓舞的结果。
引用
@article{arxiv.1812.00564,
title = {Split learning for health: Distributed deep learning without sharing raw patient data},
author = {Praneeth Vepakomma and Otkrist Gupta and Tristan Swedish and Ramesh Raskar},
journal= {arXiv preprint arXiv:1812.00564},
year = {2018}
}