يظل كشف سرطان الرئة من خلال التصوير الطبي تحديًا حاسمًا بسبب مخاوف الخصوصية وندرة توافر البيانات عبر المؤسسات. تقدم هذه الدراسة نموذج تشخيصي يعتمد على التعلم الفيدرالي، FedResNet، الذي يدمج ResNet-50 مع المتوسطي الفيدرالي (FedAvg) والخصوصية التفاضلية لتمكين التدريب الآمن والتعاوني عبر العقد الطبية الموزعة. يستخدم الإطار معالجة صور الرنين المغناطيسي التي تتضمن تطبيع تدرجات الرمادي وتعزيز التباين، يليه استخراج الميزات باستخدام معمارية ResNet-50 المعدلة. يجمع التحسين الفيدرالي بين FedSGD لتحديثات التدرج المحلية وFedAvg لتجميع النموذج العالمي، مما يحقق تقاربًا فعالًا. حققت تقييمات التجريب على مجموعة بيانات الرنين المغناطيسي لسرطان الرئة التي تضم 2500 صورة دقة تصل إلى 98.44%، قدرة استرجاع 98.70%، ودقة 98.12%، متفوقًا على نماذج CNN وCNN-FL الأساسية. يظهر النموذج المقترح FedResNet أداء تشخيصيًا قويًا بينما يحافظ على سرية بيانات المرضى، مما يجعله مناسبًا لبيئات الرعاية الصحية الحساسة للخصوصية.
درس شيانغلونغ وي (الجمعة) هذا السؤال.