基于联邦学习的非酒精性脂肪性肝病数据共享分析方法

本发明公开了一种基于联邦学习的非酒精性脂肪性肝病数据共享分析方法，包括：首先获取各机构非酒精性脂肪性肝病数据的质量指标和数量统计，并进行清洗、归一化的标准化处理，得到统一格式数据集。接着采用联邦平均算法对各机构本地模型进行初始训练，得到全局模型初步参数，并评估其在各机构数据上的初步精度。根据初步精度，计算各机构数据对全局模型的梯度贡献，确定贡献率，并结合数据质量进行加权调整。进一步分析各机构数据对模型多样性的提升权重，综合计算各机构的贡献得分，据此分配激励资源。对于贡献低的机构，通过增加采样率或引入合成数据调整输入，并迭代更新全局模型，优化模型参数和精度，实现高效、安全的数据共享与分析。