PAFP：应对混合偏斜的联邦医疗影像框架

研究者 Alexandre G. Leclercq 等人提出基于预训练骨干的个性化联邦学习框架 PAFP，用于多中心医疗影像分类。该框架在微调模块前插入客户端专属特征对齐模块，将隐藏特征分布对齐到服务器聚合目标，以同时应对特征、标签、概念与数量偏斜并存的混合偏斜问题。 在 FedISIC 基准上，PAFP 取得最高未加权平衡准确率，并将客户端间性能方差较最强基线降低约六倍。代码已在 GitHub 公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。