研究人员开发了 FedHisto-PAST v2，这是一个参数高效的联邦学习框架，旨在解决跨站点肺组织病理学分类中的染色差异和数据异质性问题。该研究在五客户端模拟和 LungHist700 队列上评估了该模型，在后者上取得了 0.728560 的 Macro-F1 分数和 0.730454 的平衡准确率。该框架更新了模型的一小部分参数，展示了感知染色、参数高效联邦的潜力，但仍需进一步验证。 AI
影响 这项研究提供了一种专门的方法，通过解决数据不一致性来提高医学影像中 AI 模型的性能。
排序理由 详细介绍新模型及其评估的学术论文。[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 →
