融合客户端动态筛选的联邦半监督影像分割

来源：电子与信息学报杂志2026年第3期北京时间：

作者：刘振丙, 李焕兰, 王报源, 路皓翔, 潘细朋

单位：1.桂林电子科技大学计算机与信息安全学院 桂林 5410042.南方医科大学广东省人民医院放射科 广州 5100803.广东省医学影像智能分析与应用重点实验室 广州 510080

摘要：多中心协同验证是临床研究的必然趋势，但患者隐私保护、跨机构数据分布异质性以及精确标注稀缺，使传统集中式医学图像分割方法难以直接应用。为此，该文提出一种融合动态客户端管理机制的联邦半监督医学图像分割框架，利用客户端性能驱动的加权聚合和教师-学生知识蒸馏，在保护隐私的前提下充分挖掘无标签客户端价值；并设计多尺度特征融合UNet (Multi-scale Feature Fusion UNet, MFF-UNet)作为分割骨干，以增强多中心异构影像的特征表征能力，实现对前列腺区域的精准分割。基于来自6家医疗机构的T2加权前列腺MRI数据的实验表明，该方法在有标签和无标签客户端上分别获得0.8405/0.7868的Dice系数和8.04/8.67的HD95，均优于多种现有联邦半监督医学图像分割方法。

关键词：医学图像分割, 联邦半监督学习, 隐私保护, 动态聚合

基金资助：国家自然科学基金(82502451, 82272075, 62462017)，广西自然科学基金(2025GXNSFBA069390), 广西重点研发项目(AB2401008)