本研究系统地研究了联邦参数效率微调策略在医学图像分类中的应用。通过实证分析，确定了最佳的联邦 PEFT 方法，并理解了数据分布对其的影响。在处理域外和非独立同分布数据时，需要权衡准确性与效率。因此，在联邦 PEFT 中初步模型的选择非常重要。

研究了医学图像分类中使用大型预训练Transformer模型的微调问题，评估了各种参数效率微调策略并确定了最佳方法。发现在处理域外和非独立同分布数据时，准确性和效率之间存在权衡，选择合适的初步模型对联邦参数效率微调非常重要。