在现代，通过采用新兴技术和先进的人工智能应用。这些技术需要大量数据来训练模型预测疾病或紊乱。多个组织可以为此提供数据但在共享数据的同时维护数据隐私是一项重大挑战。也，为提高机器学习的性能提供大型数据语料库和医疗领域的深度学习模型，同时保持患者的医疗保密性完好无损是一个值得关注的问题。因此，强烈需要保护医疗数据的隐私。这需要使用最新技术完全消除了共享原始数据的必要性，而每个组织接收处理数据所需的基础设施。跨竖井联合学习模型基于从多个然后在中央服务器上处理用于建模和聚合的客户端，从而维护真正意义上的数据隐私。这份手稿的作者提供了一个联邦中不同深度学习模型的详细比较研究学习如何有效地将肺部X射线图像分为三类：19型、肺炎和正常。这项研究可以为研究人员期待基于深度学习的交叉筒仓模型应用医疗保健中的联合学习。
关键词： Covid-19型,诊断,深度学习,联邦,医疗,机器学习,细分,X光。
