Buchumschlag

Towards Case-based Interpretability for Medical Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Latorre, Laura, Petrychenko, Liliana, Beets-Tan, Regina, Kopytova, Taisiya, Silva, Wilson
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Federated Learning Playground
von: Shan, Bryan, et al.
Veröffentlicht: (2026)

An Interpretable Client Decision Tree Aggregation process for Federated Learning
von: Argente-Garrido, Alberto, et al.
Veröffentlicht: (2024)

FedNAMs: Performing Interpretability Analysis in Federated Learning Context
von: Nanda, Amitash, et al.
Veröffentlicht: (2025)

Tool-Aided Evolutionary LLM for Generative Policy Toward Efficient Resource Management in Wireless Federated Learning
von: Tan, Chongyang, et al.
Veröffentlicht: (2025)

Contextualized Policy Recovery: Modeling and Interpreting Medical Decisions with Adaptive Imitation Learning
von: Deuschel, Jannik, et al.
Veröffentlicht: (2023)

Towards Interpretable Reinforcement Learning with Constrained Normalizing Flow Policies
von: Rietz, Finn, et al.
Veröffentlicht: (2024)

CoD, Towards an Interpretable Medical Agent using Chain of Diagnosis
von: Chen, Junying, et al.
Veröffentlicht: (2024)

Towards Interpretable Deep Reinforcement Learning Models via Inverse Reinforcement Learning
von: Xie, Sean, et al.
Veröffentlicht: (2022)

Trust Aware Federated Learning for Secure Bone Healing Stage Interpretation in e-Health
von: Shepherd, Paul, et al.
Veröffentlicht: (2026)

Towards Developing Safety Assurance Cases for Learning-Enabled Medical Cyber-Physical Systems
von: Bagheri, Maryam, et al.
Veröffentlicht: (2022)

Medical Interpretability and Knowledge Maps of Large Language Models
von: Marinescu, Razvan, et al.
Veröffentlicht: (2025)

Proximity-based Self-Federated Learning
von: Domini, Davide, et al.
Veröffentlicht: (2024)

Multimodal Integration of Longitudinal Noninvasive Diagnostics for Survival Prediction in Immunotherapy Using Deep Learning
von: Yeghaian, Melda, et al.
Veröffentlicht: (2024)

FHBench: Towards Efficient and Personalized Federated Learning for Multimodal Healthcare
von: Wang, Penghao, et al.
Veröffentlicht: (2025)

Toward Enhancing Representation Learning in Federated Multi-Task Settings
von: Setayesh, Mehdi, et al.
Veröffentlicht: (2026)

VRAIL: Vectorized Reward-based Attribution for Interpretable Learning
von: Kim, Jina, et al.
Veröffentlicht: (2025)

Towards Automated Semantic Interpretability in Reinforcement Learning via Vision-Language Models
von: Li, Zhaoxin, et al.
Veröffentlicht: (2025)

Global Outlier Detection in a Federated Learning Setting with Isolation Forest
von: Malpetti, Daniele, et al.
Veröffentlicht: (2024)

FedAPA: Federated Learning with Adaptive Prototype Aggregation Toward Heterogeneous Wi-Fi CSI-based Crowd Counting
von: Guo, Jingtao, et al.
Veröffentlicht: (2025)

ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning
von: Sethi, Sahil, et al.
Veröffentlicht: (2025)

Towards Robust Federated Multimodal Graph Learning under Modality Heterogeneity
von: Zhang, Sirui, et al.
Veröffentlicht: (2026)

Towards Collaborative Fairness in Federated Learning Under Imbalanced Covariate Shift
von: Yu, Tianrun, et al.
Veröffentlicht: (2025)

FedMM-X: A Trustworthy and Interpretable Framework for Federated Multi-Modal Learning in Dynamic Environments
von: Balija, Sree Bhargavi
Veröffentlicht: (2025)

dFLMoE: Decentralized Federated Learning via Mixture of Experts for Medical Data Analysis
von: Xie, Luyuan, et al.
Veröffentlicht: (2025)

FedMP: Tackling Medical Feature Heterogeneity in Federated Learning from a Manifold Perspective
von: Zhou, Zhekai, et al.
Veröffentlicht: (2025)

S2FGL: Spatial Spectral Federated Graph Learning
von: Tan, Zihan, et al.
Veröffentlicht: (2025)

Towards Interpreting Multi-Objective Feature Associations
von: Pillai, Nisha, et al.
Veröffentlicht: (2024)

Towards a Medical AI Scientist
von: Wu, Hongtao, et al.
Veröffentlicht: (2026)

Federated Learning in Mobile Networks: A Comprehensive Case Study on Traffic Forecasting
von: Pavlidis, Nikolaos, et al.
Veröffentlicht: (2024)

Enhancing Performance for Highly Imbalanced Medical Data via Data Regularization in a Federated Learning Setting
von: Tsoumplekas, Georgios, et al.
Veröffentlicht: (2024)

Multi-Modal One-Shot Federated Ensemble Learning for Medical Data with Vision Large Language Model
von: Wang, Naibo, et al.
Veröffentlicht: (2025)

Data-Centric Interpretability for LLM-based Multi-Agent Reinforcement Learning
von: Yan, John, et al.
Veröffentlicht: (2026)

Towards Interpretable Deep Generative Models via Causal Representation Learning
von: Moran, Gemma E., et al.
Veröffentlicht: (2025)

Towards Interpreting Language Models: A Case Study in Multi-Hop Reasoning
von: Sakarvadia, Mansi
Veröffentlicht: (2024)

FEDKIM: Adaptive Federated Knowledge Injection into Medical Foundation Models
von: Wang, Xiaochen, et al.
Veröffentlicht: (2024)

CommunityAI: Towards Community-based Federated Learning
von: Murturi, Ilir, et al.
Veröffentlicht: (2023)

Adaptive Client Selection in Federated Learning: A Network Anomaly Detection Use Case
von: Marfo, William, et al.
Veröffentlicht: (2025)

MH-pFLID: Model Heterogeneous personalized Federated Learning via Injection and Distillation for Medical Data Analysis
von: Xie, Luyuan, et al.
Veröffentlicht: (2024)

MH-pFLGB: Model Heterogeneous personalized Federated Learning via Global Bypass for Medical Image Analysis
von: Xie, Luyuan, et al.
Veröffentlicht: (2024)

HealSplit: Towards Self-Healing through Adversarial Distillation in Split Federated Learning
von: Xie, Yuhan, et al.
Veröffentlicht: (2025)