实体
Chamani Shiranthika Jayakody Kankanamalage
Chamani Shiranthika Jayakody Kankanamalage
PulseAugur coverage of Chamani Shiranthika Jayakody Kankanamalage — every cluster mentioning Chamani Shiranthika Jayakody Kankanamalage across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
强化学习应用于优化癌症化疗治疗
一项研究探讨了将强化学习（RL）技术应用于优化癌症化疗治疗。该研究着重于生成序贯治疗的最佳策略，并在此基础上扩展了现有的在线RL方法。研究提出了一个使用传统Q学习的模拟，并扩展到离线RL方法，利用真实的人类结肠癌临床数据。提出的Chemo RL模型采用基于模型的架构，结合了保守Q学习和基于模型的离线策略优化，旨在支持肿瘤科医生进行治疗决策。
-
新框架提升联邦医学图像分割的隐私性和准确性
研究人员开发了用于医学图像分割联邦学习的新框架，解决了隐私和任务多样性方面的挑战。一种名为MuCALD-SplitFed的方法整合了因果表示学习和潜在扩散模型，以提高分割准确性并减少多任务场景下的信息泄露。另一种方法ADP-FL自适应地调整隐私机制，以平衡效用和隐私，在各种成像模态和分割任务中均表现出性能提升。
-
联邦学习研究比较医学影像中的模型与数据适应
一项发表在arXiv上的新研究，调查了两种提高医学影像联邦学习有效性的主要方法：适应模型本身或协调数据。研究人员对六种不同的医学影像任务（包括分割和分类）进行了全面分析，以了解领域异质性如何影响性能。他们的发现表明，最佳策略取决于机构间差异的性质，数据协调更适用于基于外观的差异，而模型个性化更适用于结构性差异。