换一批基于联邦学习的病理图像计算机辅助诊断研究进展
Research Progress of Federated Learning-Based Computer-Aided Diagnosis for Histopathological Images
摘要组织病理诊断被认为是临床癌症诊断的金标准.基于深度学习的病理图像计算机辅助诊断(CAD)能帮助病理医生提高诊断的准确性和效率.然而,不同的医院对病理图像的染色存在差异,多种因素会影响由单一医院数据所训练的辅助诊断模型的泛化性.虽然多中心学习可以解决此问题,但由于隐私保护、数据安全等多种原因,不同医院的大量病理图像通常难以被共享以进行模型训练.联邦学习是一种分布式机器学习方法,其通过共享分布在不同中心的局部模型的参数联合训练模型,而不是共享传统多中心学习范式中的本地数据.因此,联邦学习能有效解决上述问题.目前,已有研究开展了基于联邦学习的病理图像CAD研究.该文对目前的研究进展进行了综述,首先介绍了基于深度学习的病理图像CAD研究,然后介绍了联邦学习和基于联邦学习的病理图像CAD的研究进展,最后进行了总结和展望.
更多相关知识
关键词
联邦学习病理图像计算机辅助诊断深度学习Federated LearningHistopathological ImagesComputer-Aided Diagnosis(CAD)Deep Learning(DL)
分类号
TP391
栏目名称
DOI
10.3969/j.issn.1674-1242.2025.05.014
发布时间
2025-12-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
高等学校学科创新引智计划资助项目（D20031）
- 浏览0
- 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
