基于贡献加权聚合的异构联邦学习方法

本发明公开了基于贡献加权聚合的异构联邦学习方法，通过评估异构设备提供数据的分布差异和数量得到的贡献度分配权重，采用基于贡献度的加权聚合、基于正则化的个性化方法，以及差分隐私保护技术，通过数据贡献评估模块、正则优化模块、差分隐私模块、加权聚合模块实现。本发明可以在保护患者隐私的同时，促进不同医疗机构之间的数据共享和模型训练，提高疾病诊断的准确性和个性化治疗方案的制定，实现跨机构的协同学习。