Jul, 2023
基于自监督先验知识的联邦模型聚合方法用于高度不平衡的医学图像分类
Federated Model Aggregation via Self-Supervised Priors for Highly Imbalanced Medical Image Classification
Marawan Elbatel, Hualiang Wang, Robert Martí, Huazhu Fu, Xiaomeng Li
TL;DR在这篇论文中，我们研究了在高度不平衡数据集中利用公开可用的自监督辅助网络进行的客户端内类别间变化。根据这些发现，我们通过自监督先验（MAS）导引全局模型优化，提出了一种动态的平衡模型聚合方法。 Fed-MAS 可以与不同的本地学习方法一起使用，以实现对高度稳健和无偏的全局模型的有效聚合。