Buchumschlag

SplitFed-CL: A Split Federated Co-Learning Framework for Medical Image Segmentation with Inaccurate Labels

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kafshgari, Zahra Hafezi, Hadizadeh, Hadi, Saeedi, Parvaneh
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Image and Video Processing Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MedSegNet10: A Publicly Accessible Network Repository for Split Federated Medical Image Segmentation
von: Shiranthika, Chamani, et al.
Veröffentlicht: (2025)

MuCALD-SplitFed: Causal-Latent Diffusion for Privacy-Preserving Multi-Task Split-Federated Medical Image Segmentation
von: Shiranthika, Chamani, et al.
Veröffentlicht: (2026)

Smart Split-Federated Learning over Noisy Channels for Embryo Image Segmentation
von: Kafshgari, Zahra Hafezi, et al.
Veröffentlicht: (2026)

Learned Multimodal Compression for Autonomous Driving
von: Hadizadeh, Hadi, et al.
Veröffentlicht: (2024)

Learned Scalable Video Coding For Humans and Machines
von: Hadizadeh, Hadi, et al.
Veröffentlicht: (2023)

FedGS: Federated Gradient Scaling for Heterogeneous Medical Image Segmentation
von: Schutte, Philip, et al.
Veröffentlicht: (2024)

FedLPPA: Learning Personalized Prompt and Aggregation for Federated Weakly-supervised Medical Image Segmentation
von: Lin, Li, et al.
Veröffentlicht: (2024)

FedSCA: Federated Tuning with Similarity-guided Collaborative Aggregation for Heterogeneous Medical Image Segmentation
von: Zhang, Yumin, et al.
Veröffentlicht: (2025)

HF-Fed: Hierarchical based customized Federated Learning Framework for X-Ray Imaging
von: Ashraf, Tajamul, et al.
Veröffentlicht: (2024)

Modality-Independent Explainable Detection of Inaccurate Organ Segmentations Using Denoising Autoencoders
von: Lippenszky, Levente, et al.
Veröffentlicht: (2025)

FedCLAM: Client Adaptive Momentum with Foreground Intensity Matching for Federated Medical Image Segmentation
von: Siomos, Vasilis, et al.
Veröffentlicht: (2025)

Mutual Information Analysis in Multimodal Learning Systems
von: Hadizadeh, Hadi, et al.
Veröffentlicht: (2024)

Enhancing Label-efficient Medical Image Segmentation with Text-guided Diffusion Models
von: Feng, Chun-Mei
Veröffentlicht: (2024)

Shortcut Learning in Medical Image Segmentation
von: Lin, Manxi, et al.
Veröffentlicht: (2024)

On Splitting Lightweight Semantic Image Segmentation for Wireless Communications
von: Abu-Helalah, Ebrahim, et al.
Veröffentlicht: (2025)

Fed-MUnet: Multi-modal Federated Unet for Brain Tumor Segmentation
von: Zhou, Ruojun, et al.
Veröffentlicht: (2024)

DiffRect: Latent Diffusion Label Rectification for Semi-supervised Medical Image Segmentation
von: Liu, Xinyu, et al.
Veröffentlicht: (2024)

Selecting the Best Sequential Transfer Path for Medical Image Segmentation with Limited Labeled Data
von: Yang, Jingyun, et al.
Veröffentlicht: (2024)

Infrared Image Super-Resolution via Lightweight Information Split Network
von: Liu, Shijie, et al.
Veröffentlicht: (2024)

Tyche: Stochastic In-Context Learning for Medical Image Segmentation
von: Rakic, Marianne, et al.
Veröffentlicht: (2024)

Federated Learning for Medical Image Analysis: A Survey
von: Guan, Hao, et al.
Veröffentlicht: (2023)

Split-quaternions for perceptual white balance
von: Berthier, Michel, et al.
Veröffentlicht: (2025)

Segment Anything in Medical Images
von: Ma, Jun, et al.
Veröffentlicht: (2023)

Dual-Decoder Consistency via Pseudo-Labels Guided Data Augmentation for Semi-Supervised Medical Image Segmentation
von: Chen, Yuanbin, et al.
Veröffentlicht: (2023)

FedDA-TSformer: Federated Domain Adaptation with Vision TimeSformer for Left Ventricle Segmentation on Gated Myocardial Perfusion SPECT Image
von: Huang, Yehong, et al.
Veröffentlicht: (2025)

Distillation Learning Guided by Image Reconstruction for One-Shot Medical Image Segmentation
von: Zhou, Feng, et al.
Veröffentlicht: (2024)

FedMedICL: Towards Holistic Evaluation of Distribution Shifts in Federated Medical Imaging
von: Alhamoud, Kumail, et al.
Veröffentlicht: (2024)

FedWSIDD: Federated Whole Slide Image Classification via Dataset Distillation
von: Jin, Haolong, et al.
Veröffentlicht: (2025)

FedSynthCT-Brain: A Federated Learning Framework for Multi-Institutional Brain MRI-to-CT Synthesis
von: Raggio, Ciro Benito, et al.
Veröffentlicht: (2024)

Segmenting Medical Images with Limited Data
von: Liua, Zhaoshan, et al.
Veröffentlicht: (2024)

Advancing Medical Image Segmentation with Mini-Net: A Lightweight Solution Tailored for Efficient Segmentation of Medical Images
von: Javed, Syed, et al.
Veröffentlicht: (2024)

SALT: Introducing a Framework for Hierarchical Segmentations in Medical Imaging using Softmax for Arbitrary Label Trees
von: Koitka, Sven, et al.
Veröffentlicht: (2024)

Efficient Meningioma Tumor Segmentation Using Ensemble Learning
von: Pajouh, Mohammad Mahdi Danesh, et al.
Veröffentlicht: (2025)

Stronger is not better: Better Augmentations in Contrastive Learning for Medical Image Segmentation
von: Idris, Azeez, et al.
Veröffentlicht: (2025)

Rethinking Boundary Detection in Deep Learning-Based Medical Image Segmentation
von: Lin, Yi, et al.
Veröffentlicht: (2025)

Learning Multi-axis Representation in Frequency Domain for Medical Image Segmentation
von: Ruan, Jiacheng, et al.
Veröffentlicht: (2023)

One-Prompt to Segment All Medical Images
von: Wu, Junde, et al.
Veröffentlicht: (2023)

Segmentation Quality and Volumetric Accuracy in Medical Imaging
von: Zhang, Zheyuan, et al.
Veröffentlicht: (2024)

Foundation AI Model for Medical Image Segmentation
von: Bao, Rina, et al.
Veröffentlicht: (2024)

The Effect of Lossy Compression on 3D Medical Images Segmentation with Deep Learning
von: Kurmukov, Anvar, et al.
Veröffentlicht: (2024)