联邦生成提示学习器

参数仅 8% · 15 轮收敛

每个患者都有定制提示，适配多种视觉基础模型，让多中心医学影像分析既快又准。

林曦 · 伍军 · Xu, Chang · 李建华 · Su, Xiu

npj Digital Medicine 2026

参数信息

训练参数量（分类任务）

8.26 %

训练参数量（分割任务）

6.55 %

通信轮次

15

低资源数据占比

5 %

技术优势

训练参数减少 90% 以上

分类任务只需训练总参数的 8.26%，分割任务只需 6.55%，大幅降低通信和计算开销。

15 轮内收敛

相比传统联邦学习方法，训练过程很快稳定，减少多方协作的等待时间。

低资源下性能不降

只用原始训练数据的 5% 就能保持性能，适用于数据稀缺的罕见病和新建科室。

应用场景

• 医学影像分析：无需全量微调，快速适配糖尿病视网膜病变、黑色素瘤、息肉、前列腺等影像任务。
• 多中心协作诊断：各中心数据不出域，仅传输提示生成器参数，实现隐私保护下的联合建模。
• 联邦学习系统：大幅降低通信开销，15 轮内收敛，使联邦学习在真实网络中可行。
• 低资源医疗 AI：仅需 5% 训练数据即可保持性能，适合数据稀缺的罕见病与基层机构。