基于联合学习的黑色素瘤分析和检测的医学支持平台
Sergio Laso1, Juan Luis Herrera2, Daniel Flores-Martin3
1Dept. of Computer Systems and Telematics Engineering, Universidad de Extremadura, Cáceres, Spain. slasom@unex.es.
Scientific reports
|January 9, 2026
概括
这项研究介绍了一种使用联邦学习的深度学习模型,用于从皮肤图像中检测黑色素瘤. 人工智能工具有助于医生在早期癌症识别中,同时保护患者的隐私.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 计算病理学计算病理学
背景情况:
- 人工智能 (AI) 在医学诊断和治疗中越来越重要,特别是在早期癌症检测方面.
- 从临床图像中检测黑色素瘤在准确性和数据隐私方面存在挑战.
研究的目的:
- 用临床图像开发深度学习模型用于早期黑色素瘤检测.
- 整合联邦学习 (FL) 以保护隐私的协作模式培训.
- 为临床医生创建一个支持工具,考虑诸如阳光照射和皮肤色调等因素.
主要方法:
- 建议使用深度学习模型从皮肤图像进行黑色素瘤分类.
- 联合学习 (FL) 是使用加权平均算法实现的,用于模型聚合.
- 为高效的数据管理和结果分析,开发了一个Web应用程序.
主要成果:
- 联合模型实现了89.1%的准确性和0.9251的ROC AUC.
- 绩效与集中式培训方法可比.
- FL方法成功地保护了患者数据的隐私.
结论:
- 拟议的AI模型有效支持早期黑色素瘤检测.
- 联合学习可以在不影响患者隐私的情况下实现协作模型开发.
- 集成的网络应用程序增强了皮肤科医生的临床实用性.
