npj Digit Med: 优化的联邦学习框架为跨语言帕金森病语音诊断注入新动能

本研究提出了一种优化的联邦学习框架FedOcw，用于跨语言帕金森病语音检测。背景方面，帕金森病（PD）是一种常见的神经退行性疾病，约89%的患者会出现语音障碍症状，但基于语音的PD检测面临数据隐私和多语言发音特征差异的挑战。研究目的是通过动态客户端权重优化和跨语言特征提取机制，提升联邦学习在异构医疗数据中的性能。实验结果表明，FedOcw框架在准确性、F1分数等指标上显著优于传统联邦学习方法，并在多语言样本集上验证了其有效性。结论显示，该框架不仅解决了传统联邦学习泛化能力受限的问题，还为隐私安全的分布式AI诊断提供了可行方案，具有技术创新和临床实用价值。