Core Concepts
Federated Foundation Models (FedFMS) ermöglichen effiziente medizinische Bildsegmentierung und Training.
Abstract
Abstract:
SAM als Grundmodell für visuelle Segmentierung
Herausforderungen bei medizinischen Bilddaten aufgrund sensibler Informationen
Einführung:
SAM als leistungsstarkes Grundmodell für visuelle Segmentierung
Mangel an Foundation-Modellen für medizinische Bildgebung im federated learning
Methoden:
Architektur von SAM und MSA
Federated Foundation Models Framework
Experimente:
Untersuchung der Leistung von FedFMS
Effizienzvergleich zwischen FedMSA und FedSAM
Auswirkungen des Pre-Trainings auf die Modelle
Ergebnisse:
Vergleich der Leistung von FedMSA, MSA, FedSAM und SAM
Effizienzanalyse von FedMSA und FedSAM
Auswirkungen des Pre-Trainings auf die Modelle
Stats
Medical SAM Adapter (MSA) [25]
ViT-B/16 und ViT-L/16 Varianten
FedAvg Algorithmus
Quotes
"Unsere Studie ist die erste, die Foundation-Modelle für das federated learning im medizinischen Bildbereich einführt."
"Durch das Feintuning von SAM, FedMSA, FedSAM und FedMSA-L können wir eine fortschrittliche Leistung erzielen."