研究：联邦学习可媲美集中式皮肤病变分割
热点事件历史事件
研究：联邦学习可媲美集中式皮肤病变分割
1 篇报道1 个报道来源5 天前更新
先了解这件事
AI 综述
研究团队提出 FedDermaSeg，用联邦学习在 ISIC 2018 皮肤病变分割数据集上模拟分布式训练，构建隐私保护的皮肤病变分割模型，无需集中汇聚医学图像即可协作训练。 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。研究由 Anabik Pal 等人完成，结论为联邦学习用于隐私保护皮肤病变分割具有可行性。
AI 根据报道生成 · 3 天前更新
最新进展10月6日 23:49
FedDermaSeg：面向皮肤镜图像分割的联邦学习方案报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- arXiv 隐私论文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。