arXiv 机器学习· Rafael Garcia-Dias, Alexandre Triay Bagur, Chayanin Tangwiriyasakul, Virginia Fernandez, Parhom Esmaeili, Piyalitt Ittichaiwong, Yang Li, Lawrence Adams, Wason Buncharoen, Martin Chapman, Benjamaporn Chayanond, Sadthavud Chunrod, Tanawat Fongsri, Kass Gibson, Supat Plungprasertkul, Supawit Tangpanithandee, Kanyakorn Veerakanjana, Vicky Goh, Michela Antonelli, Joe Zhang, Kongkiat Kespechara, Sebastien Ourselin, M. Jorge Cardoso·· 1 天前AI 评分42
利用 FLIP 实现可重复的跨洲联邦学习：多应用研究
Making Cross-Continental Federated Learning Repeatable with FLIP: a Multi-Application Study
AI 导读
研究人员开源了多应用联邦学习互操作平台 FLIP，旨在通过模块化服务让跨机构医疗联邦学习的训练与评估具备可重复性与可审计性。该平台支持结构化数据队列查询、按需 DICOM 检索及独立站点审批，各机构可在本地安全流程下自主运维节点。团队在英国和泰国的客户端节点间成功完成了合成胸部 X 射线队列的联邦微调与评估验证。
来源：arXiv 机器学习 · arxiv.org