本文摘自人民日报客户端上海频道，供稿：人民资讯，原文链接：https://mini.eastday.com/mobile/230914171338667686545.html，侵删。
本文转自：人民日报客户端
张研吟
在医疗图像数据生成领域，伴随大模型的快速发展，Model as a Service（MaaS，模型即服务）概念也日渐兴起。MaaS的大模型需要从海量的、多类型的数据中学习通用特征和规则，从而具备较强的泛化能力。然而，现有医疗大模型训练中常遇数据量不足的瓶颈。
近日，商汤科技联合行业合作伙伴，结合生成式人工智能和医疗图像数据的多中心联邦学习发表的最新研究成果《通过分布式合成学习挖掘多中心异构医疗数据》（Mining Multi-Center Heterogeneous Medical Data withDistributed Synthetic Learning），登上国际顶级学术期刊《自然》（Nature）子刊《自然-通讯》（Nature Communications）。
论文收录结果公布
论文提出一个基于分布式合成对抗网络的联邦学习框架DSL（Distributed Synthetic Learning），在保护数据隐私的同时利用多中心的多样性医疗图像数据联合学习图像数据的生成，帮助MaaS大模型训练，打造“医疗大模型工厂”。DSL通过学习得到一个图像数据生成器，它可以更灵活地生成数据，这些生成数据可以替代多中心的真实数据，用于下游具体机器学习任务的训练，并具备较强的可扩展性。
相关阅读 >>
中国移动AI智慧大屏方案荣获2022年度人工智能创新产品金奖
商汤成果登上《自然》子刊，生成式AI为医疗大模型迭代按下加速键
AI创作时代来临！喜马拉雅出现由AI写作、AI演播的有声小说
瑞莱智慧完成超3亿元a轮融资，加大AI安全、隐私计算等平台产品研发投入
英特尔计划销售sonoma creek软件 简化和加速计算机视觉AI训练
更多相关阅读请进入《AI》频道 >>
