FedDermaSeg：联邦学习皮肤病变分割
热点事件持续更新
FedDermaSeg：联邦学习皮肤病变分割
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Anabik Pal 等人提交的论文提出 FedDermaSeg，用联邦学习在不上传医学图像的前提下协作训练皮肤病变分割模型。研究在 ISIC 2018 训练与验证集上模拟分布式环境训练，并在 ISIC 2018 测试集与 PH2 数据集上评估。论文称其性能与集中式训练相当，且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完成皮肤病变分割。上述结论来自作者提交的论文，尚未经独立验证。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
FedDermaSeg：面向皮肤镜图像分割的联邦学习方法报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.LGFedDermaSeg：面向皮肤镜图像分割的联邦学习方法
FedDermaSeg 用联邦学习实现隐私保护的皮肤病变分割，在 ISIC 2018 训练与验证集上模拟分布式环境训练，并在 ISIC 2018 测试集与 PH2 数据集上评估。结果显示其性能与集中式训练相当，且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协作完成皮肤病变分割。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。