一种基于扩散模型的抗噪声联邦学习医学图片分类方法

本发明涉及一种基于扩散模型的抗噪声联邦学习医学图片分类方法，包括：获取待分类模糊医学图像；将待分类模糊医学图像输入预训练的扩散模型，获取待分类清晰医学图像；将清晰医学图像输入医学图像分类模型，其中，医学图像分类模型通过将历史清晰医学图像输入基于联邦学习的分类器训练框架获得；其中，对分类器进行训练包括：S1、将全局模型在客户端进行局部训练，并计算每个客户端在每个类别上的平均损失值；S2、根据平均损失值，将客户端划分为干净客户端和噪声客户端；S3、分别对干净客户端和噪声客户端进行训练，将客户端训练的局部模型进行聚合，更新全局模型，返回步骤S1，进行下一轮训练直至收敛，获取医学图像分类模型。