SPJ|Health Data Science 推动医疗数据隐私保护的新前沿:工程和统计两类算法在结构化数据分析中的基准比较

ScienceAAAS 2025-04-15 14:45
文章摘要
本研究比较了工程与统计领域的联邦学习(FL)算法在医疗数据隐私保护中的应用。背景是随着隐私保护法规日益严格,跨机构合作面临挑战,FL算法提供了一种不共享数据即可协同建模的解决方案。研究目的是系统性比较七种FL算法在逻辑回归和Lasso回归中的表现。结果显示,统计型FL算法能减少模型参数偏差,而工程型FL算法在预测性能上更优,尤其在非独立同分布数据情况下。结论强调了合理应用FL算法的重要性,并展望其作为推进医疗数据科学合作的关键工具。
SPJ|Health Data Science 推动医疗数据隐私保护的新前沿:工程和统计两类算法在结构化数据分析中的基准比较
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。
推荐文献
Back cover
Pub Date : 2025-04-16
IF 3.597 Q2 MedChemComm
Issue Publication Information
DOI: 10.1021/mtv008i004_192587010.1021/mtv008i004_1925870 Pub Date : 2025-04-21
Benchmarking of Large Language Models for the Dental Admission Test.
DOI: 10.34133/hds.0250 Pub Date : 2025-04-01 Date: 2025/1/1 0:00:00
ScienceAAAS
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信