桂林航空航天大学联合江门市中心医院等推出了一种名为VFMGL的框架，旨在促进医疗任务的专家临床模型构建，特别是在医学图像分类和分割任务中表现出色，有效应对了数据异构性带来的挑战。
VFMGL利用联邦学习技术，支持在每个中心内严格保存医疗数据传输本地模型参数，跨多个中心聚合共享模型，保证本地数据的隐私性和安全性，并在不同任务中保持了出色的稳健性。
该研究发表在《Nature Communications》上，VFMGL在乳腺癌和前列腺疾病诊断、细胞核分割等任务中表现出色，验证了其在医学图像分析中的有效性和潜力。
