研究人员开发了FedCC，一个用于胎儿超声图像中胼胝体定位的联邦学习框架。该方法专为低资源临床环境设计，通过使用轻量级模块自适应基础模型来避免数据共享。FedCC集成了冻结的DINOv2骨干网络和基于YOLO的检测头，并采用低秩自适应（LoRA）来最小化计算和通信开销。在多中心数据集上的评估证明了FedCC的有效性，实现了0.857的高mAP@50和0.803的F1分数，同时与完全微调相比，显著减少了可训练参数和通信成本。 AI
影响 实现医疗影像中隐私保护、低资源的AI部署。
排序理由 详细介绍新颖AI方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
