PulseAugur
中
实时 11:36:38

新方法改进了联邦医学图像分割

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为逆向不对称调优（IAT）的新方法，以改进医学分割模型的联邦微调。现有的联邦LoRA方法在模型的编码器和解码器之间固有的不对称性方面存在困难，导致泛化问题。IAT通过个性化模块特定的组件来处理编码器中的外观变化和解码器中的监督变化，同时保持共享路径以获取通用知识。该方法还包含一个子空间正交正则化器，以防止站点特定的更新干扰共享参数，并在实验中显示出一致的改进。 AI

影响 增强了医学影像的联邦学习技术，有可能改善不同医疗机构的模型泛化能力。

排序理由 该集群包含一篇详细介绍医学影像联邦学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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]

  1. arXiv cs.CV TIER_1 English(EN) · Xingyue Zhao, Wenke Huang, Linghao Zhuang, Haoran Wu, Anwen Jiang, Zhifeng Wang, Wenwen He, Ming Feng, Mang Ye, Bo Xu ·

    Shift-Dependent Asymmetry: Orthogonal Inverse Low-Rank Adaptation for Federated Medical Segmentation

    arXiv:2606.08687v1 Announce Type: new Abstract: Low-Rank Adaptation (LoRA) enables efficient federated fine-tuning of segmentation foundation models for medical imaging. However, most federated LoRA methods adopt a uniform aggregation rule, which breaks under the encoder-decoder …

相关实体

相关话题