研究人员开发了用于医学图像分割联邦学习的新框架,解决了隐私和任务多样性方面的挑战。一种名为MuCALD-SplitFed的方法整合了因果表示学习和潜在扩散模型,以提高分割准确性并减少多任务场景下的信息泄露。另一种方法ADP-FL自适应地调整隐私机制,以平衡效用和隐私,在各种成像模态和分割任务中均表现出性能提升。 AI
影响 这些进展可以使跨机构的医学成像模型进行更强大、更安全的协作训练。
排序理由 两篇arXiv论文提出了隐私保护的医学图像分割联邦学习的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →