联合机器学习用于皮肤损伤诊断:一种异步和加权的方法
Muhammad Mateen Yaqoob1, Musleh Alsulami2, Muhammad Amir Khan1
1Department of Computer Science, Abbottabad Campus, COMSATS University Islamabad, Abbottabad 22060, Pakistan.
Diagnostics (Basel, Switzerland)
|June 10, 2023
概括
本研究介绍了一种隐私意识的机器学习方法,用于使用联合学习和卷积神经网络 (CNN) 检测皮肤癌. 该方法提高了诊断准确度,同时最大限度地减少了医疗保健中的数据隐私风险.
科学领域:
- 人工智能在医学中的应用
- 计算皮肤病学 计算皮肤病学
- 机器学习用于医疗保健
背景情况:
- 准确和及时的皮肤癌诊断对于患者的治疗结果至关重要.
- 医疗保健的传统机器学习面临着重大的数据隐私挑战.
- 现有的方法可能无法充分平衡诊断准确性与隐私保护.
研究的目的:
- 提出一种隐私意识的机器学习方法,用于增强皮肤癌检测.
- 在医疗保健环境中应用机器学习时解决数据隐私问题.
- 提高医疗诊断的联合学习模型的效率和准确性.
主要方法:
- 利用异步联合学习与卷积神经网络 (CNN) 相结合.
- 通过将CNN层分为浅层和深层组件来优化通信轮回.
- 实施了一个时间加权的聚合策略,以改善中央模型的融合.
主要成果:
- 与现有方法相比,提出的隐私意识的方法显示出更高的准确性.
- 实现了更高的诊断准确性,并大大减少了通讯轮次.
- 在整体通信成本效益方面,其表现优于当前技术.
结论:
- 开发的方法为改善皮肤癌诊断提供了一个有希望的解决方案.
- 在基于机器学习的医疗保健应用程序中有效解决关键数据隐私问题.
- 具有时间权重的联合学习为保护隐私的医疗AI提供了一个可行的策略.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.4K
