本研究探讨了在非洲低资源环境中应用联邦学习进行肺结核诊断的可行性。尽管联邦学习在保护隐私和应对数据稀缺方面具有优势，但其实施面临基础设施不足、网络不稳定和数字素养低等挑战，亟需改善相关条件。

本研究提出了一种基于原型网络的少样本学习方法，解决了肺结核胸部X光数据集中的类别不平衡问题。实验结果显示该方法在分类准确性上显著提高，适用于疾病分类的应用，具有临床价值。

本文介绍了TBX11K数据集，包含11200个带有肺结核区域边界框标注的胸部X光图像，可用于训练结核病诊断模型。作者提出了基准模型SymFormer，并在该数据集上取得了最先进的性能。同时，作者提供了数据、代码和模型。