FedCVD

新的个性化联邦学习方法改进了ECG分类

研究人员开发了FedDualAtt，一种新颖的个性化联邦学习方法，旨在改进心电图（ECG）分类。该方法通过将Transformer注意力头分为全局和局部分支，解决了不同医疗机构之间数据异构性的挑战。全局头通过聚合捕获共享模式，而局部头则适应机构特定的数据特征。在FedCVD基准上的实验表明，FedDualAtt在ECG分类方面优于现有的联邦和个性化联邦学习技术。