FedPref 赋能放射学报告提取的协作式人工智能，无需共享数据

研究人员开发了 FedPref，一种新颖的联邦学习方法，旨在改进结构化放射学报告的提取。该方法允许数据有限或分布不均的机构通过训练 Qwen3_8B 模型的紧凑型适配器进行协作。FedPref 通过使用冻结的公共语言模型来提出提取内容，并使用本地注释对其进行排序，从而提高提取准确性，尤其是在较小的机构中，它只共享模型更新而不是原始数据。 AI

影响 这种方法可以实现更有效的、由人工智能驱动的、跨机构的医学报告分析，即使在数据可用性不同的情况下。

排序理由 该项目描述了一篇详细介绍人工智能驱动的数据提取新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• FedPref
• Gotit.pub
• Hugging Face
• Qwen3_8B
• ScienceCast

• 论文
• 模型发布
• 基础设施

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