对用于COVID-19检测的联合学习进行了全面的审查
Sadaf Naz1, Khoa T Phan1, Yi-Ping Phoebe Chen1
1Department of Computer Science and Information Technology, School of Engineering and Mathematical Sciences La Trobe University Bundoora Victoria Australia.
International journal of intelligent systems
|July 31, 2023
概括
联合学习 (FL) 为深度学习 (DL) 提供了一种保护隐私的替代方案,用于使用医疗数据检测COVID-19. 这次审查突出了FL的重点.
科学领域:
- 人工智能在医学中的应用
- 机器学习用于医疗保健
- COVID-19 诊断方法 诊断方法
背景情况:
- 由于COVID-19的流行,需要快速准确的诊断工具.
- 人工智能 (AI) 和机器学习 (ML) 显示出疾病检测的前景.
- 传统的深度学习 (DL) 方法在医疗保健中面临数据隐私挑战.
研究的目的:
- 审查用于COVID-19检测的DL和联合学习 (FL) 的进展.
- 专注于FL在健康研究中的应用和好处.
- 使用胸部X射线数据探索FL实施COVID-19检测.
主要方法:
- 对DL和FL用于COVID-19检测的最新文献的审查.
- 用胸部X射线检测COVID-19的模型FL实施用例分析.
- 检查COVID-19研究中以前发表的FL实验.
主要成果:
- 联合学习 (FL) 提供了一种去中心化的方法来保护卫生系统中的数据隐私.
- FL在解决健康研究问题,包括COVID-19检测方面展示了适用性.
- 本文介绍了使用胸部X射线数据检测COVID-19的FL病例研究.
结论:
- 联合学习 (FL) 是人工智能驱动的COVID-19检测的可行和保护隐私的技术.
- 在医疗保健领域,FL解决了关键的数据隐私问题.
- 进一步研究医疗保健中的FL实施挑战是有必要的.
