换一批
换一批基于联邦深度学习的皮肤病智能诊断研究
Federated deep learning-based intelligent diagnosis for skin lesion
摘要：
近年来,基于人工智能的皮肤病智能诊断已经成为智慧医疗领域的热门课题.然而由于单一机构的数据有限,局部训练的神经网络难以满足医疗诊断服务的性能需求,从分散机构中收集数据的集中式学习又存在隐私泄漏的风险.基于上述挑战,本文提出一种基于联邦深度学习的皮肤病智能诊断算法.具体地,对比主流的集中式学习,为了在整合多方数据时防止隐私泄漏,本文引入了联邦学习.各客户端将本地模型发送到中心服务器进行聚合,中心服务器再将聚合得到的全局模型同步到各客户端,实现神经网络模型的训练.进一步,为了解决联邦学习中数据异构性的问题,本文在交叉熵损失的基础上增加了修正项,通过修正项限制本地模型和全局模型间的差异,增加模型对异构数据的关注度,从而减小数据异构对诊断结果的影响.实验结果表明,本文所提的皮肤病智能诊断算法与现有相关方案相比,诊断准确度提高了 3%～4%,达到75.9%.
更多
作者：
作者单位：
南京邮电大学 物联网学院,南京 210003
[1]
期刊：
《生物信息学》2024年22卷2期 101-108页
ISTIC
关键词：
皮肤病智能诊断联邦学习隐私保护损失函数Skin lesionIntelligent diagnosisFederated learningPrivacy policyLoss function
分类号：
TP391
栏目名称：
研究论文
DOI：
10.12113/202210016
发布时间：
2024-07-03
基金项目：
国家自然科学基金
江苏省333高层次人才培养工程资助
南京邮电大学人才计划
中国博士后科学基金
江苏省博士后科研资助计划项目
- 浏览：3
- 被引：0
- 下载：0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
