ガウス混合特徴整合とカリキュラム統合によるWSI（全スライド画像）のためのフェデレーテッド蒸留
arXiv cs.CV / 2026/5/4
📰 ニュースDeveloper Stack & InfrastructureModels & Research
要点
- 本論文は、複数施設間でのMILアーキテクチャや特徴抽出器の違いによる不均一性に対処する、WSI（全スライド画像）向けフェデレーテッドラーニング枠組み「FedHD」を提案する。
- FedHDはパラメータ共有の代わりに、各クライアントが実WSIの特徴分布に合わせたローカルなガウス混合特徴整合を用いて、意味的に豊かな合成特徴を蒸留する。
- 診断の多様性を保つため、1対1の蒸留戦略として「各実スライドに対応する合成スライド」を生成し、過度な圧縮による損失を防ぐ。
- 訓練ではカリキュラムベースの統合を導入し、性能が頭打ちになった段階で、他サイト由来の合成特徴をローカル学習へ段階的に取り込んで安定した協調を実現する。
- さらに任意の解釈モジュールにより、合成埋め込みから擬似パッチを再構成して透明性を高め、TCGA-IDHやCAMELYON16/17で既存のフェデレーテッド手法・蒸留手法より一貫して優れた結果が得られることを示す。
