FedLPPA:联邦弱监督医学图像分割中个性化提示和聚合的学习
原文中文,约300字,阅读约需1分钟。发表于: 。我们提出了一个个性化的联邦学习框架(FedLPPA),用于医学图像分割,该框架利用不完全监督技术,通过学习提示和聚合来统一利用异构的弱监督数据。
本文介绍了一种新颖的基于提示的个性化联邦学习方法,用于解决医学视觉问答中的数据异质性和隐私问题。通过将医学数据集视为客户,并使用个性化的基于Transformer的VQA模型进行训练,解决了以前方法中客户间通信的高计算复杂性。同时引入了可靠性参数,防止低性能和不相关客户的负面影响。经过广泛评估,证明了该方法的有效性。