联邦贝叶斯监测机械取栓不良事件：手术数字孪生的人群风险层
研究提出将人群规模不良事件监测作为手术数字孪生的独立信念层，并评估一种在形式化隐私保证下学习的联邦贝叶斯协议，各站点仅交换 Rényi 差分隐私自然参数更新。
#健康数据
arXiv 隐私论文AI 评分3131 arXiv 隐私论文AI 评分4040 FedDermaSeg：面向皮肤镜图像分割的联邦学习方案
研究团队提出 FedDermaSeg，用联邦学习在 ISIC 2018 皮肤病变分割挑战赛数据集上模拟分布式训练环境，构建隐私保护的皮肤病变分割模型。该模型在 ISIC 2018 测试集和 PH2 数据集上评估，性能与集中式训练相当，并持续优于各本地训练模型，表明无需集中汇聚医学图像即可实现协作式皮肤病变分割。
arXiv 隐私论文AI 评分1717 面向物质使用障碍患者对话生成的多目标对齐小语言模型框架
研究提出一个面向物质使用障碍（SUD）患者对话生成的多目标对齐小语言模型框架，分认知成分检测与认知成分对齐对话生成两阶段，结合知识蒸馏、人类标注偏好优化与注意力引导奖励塑形。在 BERTScore、ROUGE、METEOR、BLEU 及 LLM-as-judge 命中指标上，认知信息微调在认知实现与对齐上优于通用指令微调基线和心理健康领域专用小语言模型，开放式认知成分提升尤为明显。
arXiv 隐私论文AI 评分3939 FaceKit：面向罕见病可解释面部表型分析、合成图像生成与隐私评估的工具包
FaceKit 是一个从正面面部照片进行定量面部表型分析的计算框架，可提取标准化面部标志点测量值并衍生 120 项形态特征，输出表示相对人群参考分布偏离程度的特征级 z 分数，参考分布基于 FairFace 数据集构建。研究在 GestaltMatcher Database 中覆盖 50 个罕见病队列的子集上评估 FaceKit，并开展隐私评估，检验合成图像是否泄露真实患者照片中的可识别信息。
arXiv 隐私论文AI 评分2020 AURA：面向戒烟的先发式智能可穿戴设备设计研究
研究团队提出 AURA——一个基于市售可穿戴设备的智能手表-手机生态系统，用于在复吸发生前主动检测并干预烟瘾。通过对 10 名多族裔亚洲吸烟者与戒烟者的半结构化共创设计访谈，研究识别出习惯、情绪与社会三个维度的烟瘾预测因素，以及社会问责、个性化支持、奖励和即时分心等用户偏好的干预策略。参与者还强调信任、隐私、个性化与非评判式交互的重要性。
arXiv 隐私论文AI 评分2222 FedSSMCoOp：面向少样本分类的轻量级联邦提示学习 SSM 编码器
FedSSMCoOp 是一个联邦少样本图像分类框架，用基于 SSM 的 Vision Mamba 与 Cross Mamba 模块，在联邦场景下只优化 soft-prompt 和 communication-prompt 更新，从而无需外部大语言模型做特征对齐。该框架在多个生物医学图像数据集上训练评估，性能相对基线稳定，平均轻量 1.96 倍。
arXiv 隐私论文AI 评分2020 SAGE：语义锚点引导演化，为医疗问答合成高质量训练数据
针对临床场景训练数据稀缺且受隐私限制、难以使用开源语料或云端 API 的问题，研究者提出数据合成框架 SAGE（语义锚点引导演化），让本地部署的小模型借助 MeSH 等公开轻量分类体系作为语义锚点，交替进行原子式与关联式合成，从极少种子数据自举生成医疗训练数据。在多个医疗问答基准上，用 SAGE 合成数据微调的模型持续优于使用自生成或传统文档式数据训练的模型。