基于层级聚合与参数个性化的联邦肿瘤分类方法及装置

本发明公开了一种基于层级聚合与参数个性化的联邦肿瘤分类方法及装置，该方法包括：首轮训练开始时，利用初始化的全局模型更新N个用户端的本地模型；N个用户端各自利用本地数据进行训练，将更新后的模型参数发送给服务器；服务器评估每个用户端对全局模型的贡献，并采用分层聚合的方法得到更新后的全局模型；在下一轮训练中根据更新后的全局模型对用户端的本地模型进行更新，并保留本地模型中参数振幅大于梯度阈值的对应层的参数；训练轮数设定轮数后停止训练并输出每个用户端的个性化模型。本发明通过聚合全局知识的个性化联邦学习方法，保留不同用户的个性化参数，实现更公平的全局模型训练，从而解决隐私泄露问题和数据异构性问题。