基于联邦深度学习的皮肤病智能诊断研究

作者：段聪颖; 陈思光^*

来源：生物信息学, 2023, 1-9.

• 皮肤病
• 智能诊断
• 联邦学习
• 隐私保护
• 损失函数

近年来，基于人工智能的皮肤病智能诊断已经成为智慧医疗领域的热门课题。然而由于单一机构的数据有限，局部训练的神经网络难以满足医疗诊断服务的性能需求，从分散机构中收集数据的集中式学习又存在隐私泄漏的风险。基于上述挑战，本文提出一种基于联邦深度学习的皮肤病智能诊断算法。具体地，对比主流的集中式学习，为了在整合多方数据时防止隐私泄漏，本文引入了联邦学习。各客户端将本地模型发送到中心服务器进行聚合，中心服务器再将聚合得到的全局模型同步到各客户端，实现神经网络模型的训练。进一步，为了解决联邦学习中数据异构性的问题，本文在交叉熵损失的基础上增加了修正项，通过修正项限制本地模型和全局模型间的差异，增加模型对异构数据的关注度，从而减小数据异构对诊断结果的影响。实验结果表明，本文所提的皮肤病智能诊断算法与现有相关方案相比，诊断准确度提高了3%-4%，达到75.9%。

• 单位
  物联网学院; 南京邮电大学