40、隐私保护联邦学习助力肺炎诊断与腹部血管自动分割技术

隐私保护联邦学习助力肺炎诊断与腹部血管自动分割技术

1. 肺炎诊断中的隐私保护联邦学习

在肺炎诊断领域，利用联邦学习对光学相干断层扫描（OCT）和胸部X光图像数据集进行基准测试取得了显著成果。

1.1 数据预处理

原始的X光图像虽然可作为神经网络的输入，但为了获得更优且实用的结果，需要进行预处理。预处理流程包含三个阶段：
- 特征突出均衡化 ：通过直方图均衡化，使图像特征更加显著，增强主要特征之间的对比度。在异常曝光或光照条件下，还能重新照亮灰度图像，提升特征表示和预测性能。
- 去噪 ：采用核大小为7的中值滤波器对图像去噪，避免噪声像素形成虚假特征，同时保持主要特征的清晰度，不会像其他去噪滤波器那样导致特征退化。
- 特征提取 ：使用Sobel滤波器提取特征边缘，降低复杂度，增加模型可处理的相关信息密度。

以下是各阶段使用的滤波器效果图示：
| 阶段 | 滤波器 | 效果 |
| ---- | ---- | ---- |
| 特征突出均衡化 | 直方图均衡化 | 特征更显著，增强对比度 |
| 去噪 | 中值滤波器 | 去除噪声，保持特征清晰度 |
| 特征提取 | Sobel滤波器 | 提取边缘，降低复杂度 |

mermaid流程图如下：

graph LR
    A[原始X光图像] --> B[直方图均衡化]
    B --> C[中值滤波器去