Abstract：
为保护多方医院数据隐私以及数据不平衡等问题，以肾脏肿瘤CT影像为研究对象，提出一种基于个性化联邦学习的肾脏肿瘤分割方法。首先，以经典的深度残差网络SEResNet为基础，结合深监督模块来提高目标分割的精度；其次，在联邦平均算法框架下，引入基础层与个性化层联合学习策略，克服多方数据不平衡带来模型精度下降问题。经KiTS21挑战赛数据集实验验证，文章方法获得的肾脏+肿瘤+囊肿、肿瘤+囊肿和肿瘤分割Dice分别为93.61%、67.18%、61.01%，与集中式学习相比，仅分别低0.56%、7.18%和9.34%，表明本文方法以可接受的精度损失换取了数据的隐私安全。
Keyword：
Reprint 's Address：
