本项目基于横向联邦学习技术和FATE平台构建了一个MRI脑部肿瘤检测系统。
- 基于Fate平台实现了基于联邦学习的医疗影像肿瘤检测分析框架。在不泄露用户隐私的前提下,聚合多个医疗机构对患者的诊断数据信息,提升医疗影像分析模型的效果;
- 选择采用了一种新的模型参数聚合算法,通过将联邦学习问题转化为多目标优化问题,从而计算聚合比重进行模型更新。该方法避免牺牲各参与用户的性能,更适合于医疗诊断问题;
- 基于所提出的医疗影像分析框架,本项目搭建了基于3D-UNet的脑部肿瘤检测系统,该系统主要面向于医生开放,包括上传数据、MRI数据可视化、检测结果展示以及医生意见反馈等模块。在此基础之上,提出了在线学习,对这一交互式的过程使医生能够更全面、准确地了解患者的病情,从而为制定个体化的治疗方案提供有力支持。
- BraTS2021_00000:患者病历,包含患者信息及MRI的四个模态及肿瘤位置。
- Data_Process.py:数据预处理
- Dataset.py:pytorch数据集构建及数据增强方式
- FedMGDA.py:聚合算法模块
- Fate_task.ipynb:Fate训练部署流程
- loadDataFiles.py:UI界面读取文件
- main.py:可视化界面运行
- main_window.py:可视化窗口配置
- model.py:模型配置文件
- train.py:模型训练
- Utils.py:周期学习率定义及Loss函数
- UNet.pth:模型权重文件:https://box.nju.edu.cn/f/5ae47f868b984e9f9905