DSFedMed论文精读：双尺度联邦医学图像分割中大模型与轻量化模型的无数据互蒸馏机制
本文针对多中心医学分割中基础大模型联邦部署面临的计算、通信和推理高成本问题，提出双尺度联邦框架 DSFedMed。该框架通过服务器端基础模型与客户端轻量模型协作，并利用 ControlNet 生成的合成 image-mask 数据与可学习性引导样本选择，实现了不依赖真实共享医学图像的双向知识蒸馏。
论文精读
5 篇技术文章
FedRD论文精读：医疗场景下基于联邦重编程与知识蒸馏的内存高效大模型微调
这是一篇关于在算力与内存受限的医疗边缘节点中，如何通过非对称架构和特征重编程技术，高效引入基础大模型知识的论文。
LoRA-FAIR论文精读
这是一篇被 ICCV 2025 接收的论文，核心解决了将 LoRA 简单缝合进联邦学习时产生的“服务端聚合偏差”和“客户端初始化滞后”两大暗坑，在不增加通信成本的前提下实现了性能飞跃。
DEeR论文精读
这是一篇研究医学场景下的隐私保护联邦 LoRA 微调的论文。
Transformer论文逐段精读
这是一份基于李沐讲解《Attention Is All You Need》整理的Transformer模型深度解析个人笔记。笔记结构进行了逻辑梳理，重点突出了模型架构、核心组件原理及李沐的深度见解，便于日后复习查阅。