基本信息
文件名称：面向医学图像分割的异构联邦学习算法研究.pdf
文件大小：5.4 MB
总页数：78 页
更新时间：2026-01-17
总字数：约9.67万字
文档摘要
摘要
随着深度学习方法在医学图像分割领域的广泛应用，传统集中式训练模式面
临着数据隐私保护与数据需求增长的双重挑战。针对临床数据受隐私法规限制而
难以跨机构共享的困境，联邦学习（FederatedLearning,FL）通过分布式协同训
练机制，使多机构在不共享原始数据的前提下联合训练全局模型，为实现隐私保
护的医学图像分析提供了创新解决方案。
然而在实际应用中，来自不同机构的数据通常由于数据样本与医疗设备的差
异或者标注时关注的目标不同，导致数据存在领域异构和类异构性问题，这会降