隐私保护通过联合深度学习和可解释的AI来诊断皮肤癌症
Naila Sammar Naz1, Muhammad Hassaan Mehmood1, Fahad Ahmed1
1School of Computer Science, National College of Business Administration and Economics, Lahore, 54000, Pakistan.
Scientific reports
|October 15, 2025
概括
这项研究引入了一种保护隐私的深度学习模型,使用联合学习 (FL) 来进行皮肤癌分类. 可解释的AI方法确保了数据隐私,同时保持了皮肤学AI的高诊断准确性.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 皮肤癌的诊断依赖于视觉检查,由于病变的变化,这可能是主观和具有挑战性的.
- 在医疗人工智能应用中,保护患者数据隐私至关重要,特别是分布式数据集.
研究的目的:
- 开发一种保护隐私和可解释的深度学习架构,用于分类皮肤疾病,包括皮肤癌.
- 在不影响患者隐私的情况下,利用联邦学习 (FL) 来培训分散的医疗数据模型.
主要方法:
- 一个VGG19卷积神经网络 (CNN) 使用联邦平均化 (FedAvg) 方法在三个模拟客户端中训练,使用分布式皮肤图像数据集.
- 该模型在ImageNet上进行了预训练,并为二进制分类进行了微调,用于透明度的可解释AI (XAI) 技术,如Grad-CAM.
- 使用皮肤病学数据集评估性能,模拟现实世界的分散场景.
主要成果:
- 联合学习方法成功地保持了数据隐私,同时实现了皮肤疾病的高分类性能.
- 可解释的AI技术提供了透明度,帮助临床医生解释模型的诊断决策.
结论:
- 结合联合学习和可解释的人工智能,为皮肤病诊断提供了可靠和隐私意识的解决方案.
- 这种方法表明了安全和透明的人工智能在医疗应用中的潜力,解决了数据隐私法规.
