一种抗维度坍缩的联邦学习聚合方法、系统及医学影像应用

本发明公开了一种抗维度坍缩的联邦学习聚合方法、系统及医学影像应用，联邦学习聚合方法是基于跟踪核和鲁棒聚合的非独立同分布数据联邦学习，针对联邦学习中的维度坍缩，引入正则化项来惩罚本地模型训练过程中奇异值之间的协方差，以抑制维度坍缩现象。基于该方法的应用，本发明提供面向医学图像分类的联邦学习系统，针对医学数据隐私性高、分布异构性强(Non‑IID)及模型维度崩溃问题，提出结合奇异值方差抑制与鲁棒聚合的解决方案。客户端通过迹‑核范式近似奇异值分布，均衡医学图像特征表示空间，缓解维度崩溃；服务器基于几何中位数动态分配客户端模型权重，抵抗异常数据干扰，适用于跨机构医学影像协作分析。