FedDP: A Privacy-Preserving Method for Medical Image Segmentation Based on Federated Learning
💡
原文英文,约100词,阅读约需1分钟。
📝
内容提要
本研究提出了一种基于联邦学习的隐私保护医学图像分割方法FedDP,旨在解决医学图像数据的分散性和隐私问题。该方法允许医疗机构在保护患者隐私的同时进行协作学习,研究结果表明模型精度影响微小,为跨机构合作提供了可行方案。
🎯
关键要点
- 本研究提出了一种基于联邦学习的隐私保护医学图像分割方法FedDP。
- FedDP方法旨在解决医学图像数据的分散性和隐私问题。
- 该方法允许医疗机构在保护患者隐私的同时进行协作学习。
- 研究结果表明,FedDP方法在保护癌症病理图像数据隐私的同时,模型精度影响微小。
- 仅产生微小的Dice、Jaccard和Acc指数下降。
- 此研究为医疗领域的跨机构合作和知识共享提供了可行的解决方案。
➡️