English(EN) FedCoRe: Target-Adaptive Completion for Missing Modalities in Healthcare Federated Learning

FedCoRe框架通过处理缺失数据改进医疗联邦学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-20 04:00

研究人员开发了FedCoRe，一个用于医疗联邦学习的新框架，解决了缺失数据模态的挑战。FedCoRe通过使用模态存在和不存在的配对示例，学习纠正缺失信息，如心电图或胸部X光片。该方法旨在恢复因数据缺失而损失的性能的很大一部分，并在恢复呼吸系统恶化任务的准确性方面显示出有效性。 AI

影响通过解决缺失数据模态，增强了医疗领域联邦学习模型的鲁棒性，有望提高诊断准确性。

排序理由该条目描述了一篇详细介绍联邦学习新框架的最新研究论文。[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 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Holger R. Roth, Ziyue Xu, Peter Cnudde · 2026-08-20 04:00

FedCoRe：医疗联邦学习中缺失模态的目标自适应补全

arXiv:2608.18311v1 Announce Type: cross Abstract: Federated multimodal models often assume every site has every modality, although hospitals differ in access to EHRs, chest radiographs, and ECGs. We study this setting on a MIMIC-derived respiratory deterioration task with simulat…