FeTS2022

新的MOSAIC框架支持图像级标签的联邦肿瘤分割

研究人员开发了MOSAIC，一个新颖的联邦学习框架，专门用于使用图像级标签进行弱监督肿瘤分割。该框架解决了不同机构之间医学成像模态缺失或不完整的问题，这是临床环境中阻碍数据融合和模型性能的常见问题。MOSAIC引入了一个模态无关对齐模块和一个谱原型对齐损失来协调跨客户端的分布偏移，在现有基线上取得了显著改进，并在FeTS2022等基准测试上接近全监督精度。