Nền tảng federated learning bất đồng bộ để phân loại ung thư biểu mô tuyến phổi qua foundation model và structural pruning

Việc phân loại ung thư biểu mô tuyến phổi thành các phân nhóm PD và WMD rất quan trọng đối với sự sống còn của bệnh nhân; tuy nhiên, việc phân loại nhất quán gặp khó khăn do sự khác biệt giữa các nhà bệnh học. Thu thập dữ liệu từ nhiều bệnh viện cũng thách thức vì lo ngại về quyền riêng tư của bệnh nhân. Nghiên cứu này đề xuất một hệ thống federated learning dựa trên web, chỉ chia sẻ các model weights được huấn luyện cục bộ mà không chia sẻ dữ liệu bệnh nhân giữa các cơ sở. UNI2 foundation model và CLAM-SB được dùng để phân loại ảnh toàn bộ lát bệnh lý. Một hệ thống federated learning bốn client đã được xây dựng, và nhóm NLST được dành riêng cho việc xác thực bên ngoài. Trong đánh giá tập trung, huấn luyện chung với CPTAC và TCGA vượt trội hơn huấn luyện đơn cơ sở trên xác thực bên ngoài, xác nhận sự cần thiết của việc tích hợp dữ liệu đa cơ sở. FedAvg, FedProx, FedBN và FedNova được so sánh như các thuật toán federated learning trong điều kiện thử nghiệm giống hệt nhau. AUC thử nghiệm xếp hạng FedBN, FedProx, FedNova và FedAvg.