本研究提出了一种可解释的细胞图（xCG）方法，用于癌症患者的生存预测，解决了深度学习模型的可解释性问题。验证结果显示，该方法显著提升了风险评估的质量，尤其是在引入癌症分期和模型集成后。

使用机器学习和联邦学习框架对医学影像进行癌症分期已引起广泛关注。一种新的联邦学习架构通过分布式梯度融合和感知客户权重策略解决了数据模态的不均匀性和收敛速度差异挑战。实验证明该方法在处理医学影像数据方面具有优越性。