過去のお知らせ
医療Vision-Languageモデルにおける個別化連合学習（pFL）に関する以下の研究成果が、医療情報学の主要学術誌であるJournal of Biomedical Informatics (Impact Factor:4.5) に採録されました！
本研究では、医療データの不均一性や膨大な計算コストの課題に対し、パラメータ効率の高い微調整による共有・個別知識の分離と、Dempster-Shafer理論を用いた動的な不確実性校正（DLUC）を導入した新フレームワーク「DSD-pFL」を提案しました 。
He Zhu, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Personalized Federated Learning for Medical Vision-Language Models via Efficient Fine-Tuning and Uncertainty-Aware Disentanglement” in Journal of Biomedical Informatics. (Accepted for publication) .
https://www.sciencedirect.com/journal/journal-of-biomedical-informatics