基于联邦学习的动态模型聚合方法

本发明公开了一种基于联邦学习的动态模型聚合方法，所述方法包括：服务器搭建初始病灶检测模型并进行预训练；客户端基于本地数据对所述初始病灶检测模型进行训练，得到局部病灶检测模型；服务器获取局部病灶检测模型的权重参数，并基于动态模型聚合算法对所述参数进行聚合；客户端基于聚合后的参数权重通过联邦学习迭代训练局部病灶检测模型，直到所述局部病灶检测模型收敛；测试所述局部病灶检测模型检测效果。通过本公开的处理方案，能够在无需共享本地训练数据的情况下，在服务器上协作训练共享的全局模型，能够保护本地数据隐私。