基于联邦深度学习的皮肤病智能诊断研究OACSTPCD
Federated deep learning-based intelligent diagnosis for skin lesion
近年来,基于人工智能的皮肤病智能诊断已经成为智慧医疗领域的热门课题.然而由于单一机构的数据有限,局部训练的神经网络难以满足医疗诊断服务的性能需求,从分散机构中收集数据的集中式学习又存在隐私泄漏的风险.基于上述挑战,本文提出一种基于联邦深度学习的皮肤病智能诊断算法.具体地,对比主流的集中式学习,为了在整合多方数据时防止隐私泄漏,本文引入了联邦学习.各客户端将本地模型发送到中心服务器进行聚合,中心服务器再将聚合得到的全局模型同步到各客户端,实现神经网…查看全部>>
Recently,intelligent diagnosis of skin lesion based on artificial intelligence has become an attractive topic in bio-medical field.However,due to the data scarcity in single institution,locally trained neural networks are difficult to meet the performance requirement of medical services.Traditional learning paradigm,which collects data from distributed institutions to train neural models centrally,has the risk of privacy leakage.To tackle these problems,in t…查看全部>>
段聪颖;陈思光
南京邮电大学 物联网学院,南京 210003南京邮电大学 物联网学院,南京 210003
计算机与自动化
皮肤病智能诊断联邦学习隐私保护损失函数
Skin lesionIntelligent diagnosisFederated learningPrivacy policyLoss function
《生物信息学》 2024 (2)
101-108,8
国家自然科学基金项目(No.61971235)江苏省"333 高层次人才培养工程"资助南京邮电大学'1311'人才计划资助中国博士后科学基金(No.2018M630590)江苏省博士后科研资助计划项目(No.2021K501C).
评论