arXiv · cs.AI· Anabik Pal, Ganesh Patidar, Bikash Santra·· 2 天前
FedDermaSeg：面向皮肤病变图像分割的联邦学习方法
FedDermaSeg: Federated Learning for Dermatological Image Segmentation
arXiv:2610.08574v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Anabik Pal, Ganesh Patidar, Bikash Santra
研究任务与主要进展
论文 FedDermaSeg 提出用联邦学习实现隐私保护的皮肤病变分割，基于 ISIC 2018 皮肤病变分割挑战赛的训练与验证集模拟分布式训练环境。模型在 ISIC 2018 测试集和 PH2 数据集上评估，性能与集中式训练相当，并持续优于本地训练模型，表明无需集中聚合医疗图像也可协作完成分割。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org