通信技术和医疗物联网的最新进展改变了由人工智能(AI)实现的智能医疗。传统上，人工智能技术需要集中的数据收集和处理，但由于现代医疗网络的高度可扩展性和日益增长的数据隐私问题，这在现实的医疗场景中可能不可行。联邦学习(FL)是一种新兴的分布式协同人工智能范式，通过协调多个客户(如医院)在不共享原始数据的情况下进行人工智能训练，对智能医疗保健特别有吸引力。因此，我们提供了一个关于FL在智能医疗中的使用的全面综述。首先，我们介绍了FL的最新进展、在智能医疗中使用FL的动机和要求。最近FL设计智能医疗然后讨论,从resource-aware FL,安全和privacy-aware FL激励FL和个性化FL。随后,我们提供在关键的新兴应用FL医疗领域的综述,包括健康数据管理、远程健康监测,医学成像,和COVID-19检测。本文分析了最近几个基于FL的智能医疗项目，并强调了从综述中得到的关键教训。最后，我们讨论了有趣的研究挑战和未来FL研究在智能医疗可能的方向。

论文链接：

https://arxiv.org/abs/2111.08834

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除