医疗数据场景下的联邦学习研究综述.pdfVIP

隹Isl^iSls2023年第01期

V1(总第241期)

医疗数据场景下的联邦学习研究综述

汪鹤敏，黄俊

(三峡大学计算机与信息学院，湖北宜昌443000)

摘要：随着人工智能与医疗大数据的融合，医疗数据隐私保护成为制约其发展的核心问题，联邦学习作为新型分布式隐

私计算框架，旨在解决隐私安全于数据共享之间的矛盾。目前基于联邦学习的框架已运用于诸多医疗场景，取得较好成

效，因此对联邦学习的概念、应用和未来发展的分析尤为重要。文章首先介绍联邦学习的概念、分析特点和列举现有框

架;接着对联邦学习的三个应用领域，医疗影像、疾病风险预测和药物挖掘进行梳理，并介绍最新相关研究；最后从可解

析性、妥全性、性能效率三个角度探讨展望联邦学习未来研究方向。