FedSSMCoOp

FedSSMCoOp框架为生物医学图像分类实现轻量级联邦学习

研究人员推出了FedSSMCoOp，一个新颖的联邦学习框架，专为少样本图像分类设计，特别是在数据隐私至关重要的生物医学应用中。该框架利用基于SSM的Vision Mamba和Cross Mamba块，无需外部大型语言模型进行特征对齐即可实现多模态学习。通过仅优化软提示和通信提示的更新，FedSSMCoOp与现有基线相比，实现了1.96倍更轻的占用空间，同时在各种生物医学图像数据集上保持了稳定的性能。