一种基于自适应联邦学习的帕金森病预测方法及相关设备

本发明公开了一种基于自适应联邦学习的帕金森病预测方法及相关设备，其中方法包括：步骤1、全局模型初始化与广播；步骤2、用户本地训练；步骤3、用户把本地训练的局部收敛速度上传至服务器；步骤4、服务器根据局部收敛速度，自适应计算和调整本轮通信的参与率、被选择的用户、用户下一轮本地训练的参数，并把计算的结果发送给所有用户；步骤5、全局模型更新及再次广播；步骤6、迭代训练与模型优化；步骤7、利用训练获得的全局模型对新的患者数据进行预测，实现对帕金森病的早期预测。本发明在保证全局模型精度的前提下，自适应选择收敛速度更快、贡献度更高的设备参与训练，以减少不必要的通信开销，提高模型收敛效率。