SyntheticMass

新的 Fed-Equilibrium 框架解决了临床联邦学习中的知识主导问题

研究人员推出了一种新颖的 Fed-Equilibrium 框架，旨在解决联邦学习中的“知识主导”挑战，特别是在多中心临床网络中。该框架采用两阶段梯度控制级联，以确保网络安全和公平性，防止高数据量中心压倒小型中心。整合加拿大和美国健康注册数据的实验表明，Fed-Equilibrium 有效地平衡了全局泛化能力和局部临床代表性，使得数据量较少的美国数据源能够实现与数据量大得多的加拿大中心相当的收敛性。