联邦学习框架提升糖尿病视网膜病变筛查隐私性与可解释性
研究提出一种隐私保护型联邦混合专家(FL-MoE)深度学习框架,用于跨机构糖尿病视网膜病变(DR)分级。该框架结合可解释AI技术,在EyePACS和APTOS-2019数据集上测试了CNN、CNN-LSTM及ViT等多种主干网络。结果显示,CNN-LSTM在准确率(76.2%)、AUC(89.5%)和通信成本(比ViT低一个数量级)方面表现最优,且对数据异质性鲁棒性强,Grad-CAM可视化能粗略定位DR相关视网膜区域。
与"糖尿病视网膜病变"相关的眼科资讯