今晚直播 | AAAI 2022：协调异质医学图像引起的局部和全局偏移的联邦学习算法

「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 AI Drive，我们邀请到香港中文大学博士生姜美锐，为大家在线解读其发表在 AAAI 2022 的最新研究成果：HarmoFL: Harmonizing Local and Global Drifts in Federated Learning on Heterogeneous Medical Images。对本期主题感兴趣的小伙伴，3 月 15 日（本周二）晚 7 点，我们准时相约 PaperWeekly 直播间。

直播信息

联邦学习已经成为效利用分散的医疗资源，打破数据孤岛的新型学习范式，然而由于不同数据中心所采用的设备和成像参数设置各异，来自多个中心的数据面临异质性问题。

本文聚焦于多中心医学图像的异质性，创新性地从局部和全局两个视角相结合来解决异质数据导致的学习偏移问题，包括：1）提出基于频域的振幅归一化操作来协调不同客户端之间的异质数据特征，减轻局部更新偏移问题。2）提出基于梯度的模型参数扰动来促进模型收敛于平坦解，对聚合阶段进行优化。所提出方法的有效性在三个不同医学数据集上得到了验证，涵盖了图像分类与分割任务。

论文标题：

HarmoFL: Harmonizing Local and Global Drifts in Federated Learning on Heterogeneous Medical Images

论文链接：

https://arxiv.org/abs/2112.10775

代码链接：

https://github.com/med-air/HarmoFL

本次分享的具体内容有：  

• 联邦学习背景介绍

• 基于频域的振幅归一化方法

• 基于梯度的模型参数扰动方法

• 方法验证与实验结果分析

嘉宾介绍

 姜美锐 / 香港中文大学博士生 

姜美锐，香港中文大学计算机科学技术与工程系二年级博士生，导师为窦琪教授。主要研究兴趣为医学图像分析与联邦学习。

直播地址 & 交流群

本次直播将在 PaperWeekly 视频号和 B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「AI Drive」，即可获取入群通道。

视频号直播间：

扫描下方二维码关注 PaperWeekly 视频号，第一时间获取开播提醒。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

·