Jun, 2021
利用生成回放在医学图像协作学习中处理数据异质性
Handling Data Heterogeneity with Generative Replay in Collaborative Learning for Medical Imaging
Liangqiong Qu, Niranjan Balachandar, Miao Zhang, Daniel Rubin
TL;DR本文介绍一种新颖的生成回放策略，以解决协作学习中数据异构性的挑战，并将其应用于医疗应用中的深度神经网络培训中。该方法通过利用生成对抗学习来汇总所有本地机构的知识，而不是直接聚合模型参数，从而实现知识的聚合和隐私保护。实验结果表明，与目前最先进的协作学习方法相比，在高度异构的数据分区上，我们的模型在糖尿病视网膜病变分类数据集上的预测准确度提高了约 4.88％，在骨龄预测数据集上的平均绝对值减少了约 49.8％。