CathAction

联邦学习框架增强医学影像分割

开发了一个新的联邦学习框架，用于X射线透视图像中导管和导丝的分割，解决了血管内治疗中数据稀疏和隐私的挑战。该框架引入了一个名为CathAction的基准数据集，包含超过60万张标注帧。它结合了形状敏感的损失函数和对抗性优化技术，以提高分割精度，尤其是在异构客户端数据场景下。此外，一个结构感知扩散模型合成了逼真的视频序列，当将其集成到联邦训练中时，可以在数据稀疏的情况下显著提高分割性能。