PulseAugur
中
实时 20:05:45
English(EN) FedDP-PALD: A Privacy-Preserving Federated Latent Diffusion Framework with Prototype Aggregation for Medical Data Synthesis

新框架使用联邦扩散模型合成私有医疗数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了FedDP-PALD，一个用于在保护患者隐私的同时合成医疗数据的新框架。该系统利用联邦学习和潜在扩散模型，在不共享原始患者信息的情况下跨多个机构训练诊断模型。一个关键组件，差分隐私原型混合聚合（DP-PMA），通过裁剪和向类别级潜在原型添加噪声来确保隐私。在ChestMNIST等数据集上的评估表明，FedDP-PALD可以生成与真实数据训练性能接近的合成数据，同时显著降低成员推断攻击的风险。 AI

影响 通过实现无需敏感数据共享的协作模型训练，增强了医疗AI的隐私性。

排序理由 该项目是一篇研究论文，详细介绍了一种具有隐私保证的医疗数据合成新框架和方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架使用联邦扩散模型合成私有医疗数据

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Md. Sajeebul Islam Sk., Khan Enaet Hossain, Md. Mehedi Hasan Shawon ·

    FedDP-PALD：一种用于医疗数据合成的带原型聚合的隐私保护联邦潜在扩散框架

    arXiv:2607.16300v1 Announce Type: new Abstract: Medical images and physiological signals provide valuable information for accurate diagnosis. Developing diagnostic models often requires patient data from multiple institutions, although strict privacy regulations limit the sharing…

相关实体

相关话题