哪个客户可靠？面向医学图像问答的可靠且个性化的基于提示的联邦学习
计算机视觉与模式识别
2024-10-24 v1 计算与语言
机器学习
摘要
传统医学人工智能(AI)模型因无法处理医学数据的隐私敏感特性而面临临床应用障碍和伦理问题。我们提出一种新型针对医学视觉问答(VQA)模型的个人化联邦学习(pFL)方法，解决医学领域的隐私可靠性挑战。该方法引入可学习的提示词至 Transformer 架构中，以高效训练其在多样化医学数据集上，而无需大量计算成本。随后，我们引入可靠客户端 VQA 模型，运用 Dempster-Shafer 证据理论量化预测不确定性，以提升模型可靠性。进一步，我们提出一种新型跨客户端通信机制，运用最大似然估计平衡准确率与不确定性，促进跨客户端洞见的高效整合。
引用
@article{arxiv.2410.17484,
title = {Which Client is Reliable?: A Reliable and Personalized Prompt-based Federated Learning for Medical Image Question Answering},
author = {He Zhu and Ren Togo and Takahiro Ogawa and Miki Haseyama},
journal= {arXiv preprint arXiv:2410.17484},
year = {2024}
}