联邦学习可在不共享原始数据的前提下协作训练模型,保护医疗隐私并整合碎片化数据。研究涵盖个性化联邦学习、稀疏正则化与通信效率提升、智能医疗应用、医学自然语言处理、医生推荐系统、FedER策略、医学概念嵌入学习及差分隐私双层保护等,实验表明其性能接近集中式学习,并显著提升隐私与效率。
完成下面两步后,将自动完成登录并继续当前操作。