Sep, 2023
增量迁移学习综述：将点对点联邦学习与领域增量学习结合以实现多中心协作
A Survey of Incremental Transfer Learning: Combining Peer-to-Peer Federated Learning and Domain Incremental Learning for Multicenter Collaboration
Yixing Huang, Christoph Bert, Ahmed Gomaa, Rainer Fietkau, Andreas Maier...
TL;DR由于数据隐私限制，多个临床中心之间的数据共享受限制，这阻碍了通过多中心合作开发高性能深度学习模型的进展。本文通过使用持续学习技术，将点对点联邦学习和领域增量学习相结合，进行增量迁移学习，以克服数据隐私问题并同时保持模型性能。进行了一项针对多中心合作的不同基于正则化的持续学习方法效果的全面调查，对数据异质性、分类器设置、网络优化器、模型初始化、中心顺序和权重传递类型的影响进行了彻底研究。我们的框架对研究社区是公开可访问的，以进行进一步的开发。