BriefGPT - AI 论文速递
·
基于联邦半监督学习的医学图像分割，具备客户内部和客户间一致性
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种新颖的联合深度多视图聚类方法，能够从分布在多个设备上的数据中挖掘互补的聚类结构，同时解决数据不完整性和隐私问题。
🎯
关键要点
-
提出了一种新颖的联合深度多视图聚类方法。
-
该方法能够从多个设备上的数据中挖掘互补的聚类结构。
-
解决了数据不完整性和隐私问题。
-
在服务器环境中，使用样本对齐和数据扩展技术探索多个视图的互补聚类结构。
-
服务器将全局原型和全局伪标签分配给每个客户端作为全局自监督信息。
-
客户端使用全局自监督信息和深度自编码器学习视图特定的聚类分配和嵌入特征。
-
客户端上传学习结果到服务器以进一步完善全局自监督信息。
-
广泛的实验证明该方法在处理分布式环境中的不完整多视图数据方面具有优越的性能。
➡️
