通过联邦学习和源目标远程梯度对齐实现具备开放数据访问能力的部署后适应

本研究提出了FedPDA，一种新的适应框架，用于解决医学影像中深度神经网络的性能下降问题。通过将远程数据的学习效用引入到PDA中，FedPDA能够通过远程梯度交换获取源数据的信息，并针对目标领域进行优化。实验结果表明，FedPDA在多中心数据库上表现优异，特别是在癌症转移检测和皮肤病变分类方面。