의료 영상 분석을 위한 분산형 연합 학습
연합 학습(FL)은 분산된 의료 기관들이 데이터 프라이버시를 유지하며 모델 훈련에 협력할 수 있는 유망한 방법으로 주목받고 있습니다. 그러나 기존 연합 학습 방식은 중앙 집중식 집계와 빈번한 가중치 공유에 의존하여, 특히 비독립동일분포(non-IID) 조건에서 분류 및 분할을 포함하는 의료 영상 작업에서 확장성, 견고성, 프라이버시 문제를 야기합니다. 본 논문은 중앙 서버 없이 작동하며, 원시 가중치나 기울기 대신 공유된 공개 참조 데이터셋에서 계산된 온도 스케일링된 소프트 예측만을 전송하는 지식 증류 분산형 연합 학습(KD-DF…