Jun, 2024
MH-pFLGB: 模型异构个性化全球绕行联邦学习用于医学图像分析
MH-pFLGB: Model Heterogeneous personalized Federated Learning via Global Bypass for Medical Image Analysis
Luyuan Xie, Manqing Lin, ChenMing Xu, Tianyu Luan, Zhipeng Zeng...
TL;DR在医学人工智能应用中,联邦学习以保护训练数据隐私而著名。我们引入了一种新方法 MH-pFLGB,利用全局旁路策略来解决统计和系统异质性带来的挑战,并优化联邦学习的有效性。此方法通过整合全局旁路模型,增强了传统联邦学习的性能,同时还提供特征融合模块以更好地结合本地和全局特征,在不同的医学任务中展示出卓越的性能。