一种基于联邦学习的超声心动图分割方法及装置

本发明提供了一种基于联邦学习的超声心动图分割方法，所述超声心动图分割方法通过至少2个初始模型实现，包括步骤：获取初始数据集，并依据所述初始数据集对所述初始本地模型进行抗噪训练，得到本地抗噪模型并确定所述本地抗噪模型的权重依据所述本地抗噪模型与所述权重生成全局抗噪模型；依据所述全局抗噪模型与所述本地抗噪模型对所述初始全局模型与所述初始本地模型进行迭代抗噪更新，直至得到目标全局模型和目标本地模型；通过所述目标本地模型进行超声心动图分割。通过联邦学习的抗噪声多中心协作超声心动图分割方法，可以在保护隐私的同时进行多中心协作分割，提升联邦学习的抗噪性。