基于横向联邦学习的医疗诊断模型训练方法、装置、设备及介质

本申请公开了基于横向联邦学习的医疗诊断模型训练方法、装置、设备及介质，应用于医疗影像联邦学习系统的任一节点，涉及计算机技术领域，包括：通过本地的预处理后医疗影像数据对医疗诊断模型进行训练，以得到当前医疗诊断模型，并从模型梯度参数筛选出目标模型梯度参数；对目标模型梯度参数进行两次加密；基于目标模型梯度参数及加密后的模型梯度参数生成待上传模型梯度参数，并将待上传模型梯度参数上传至聚合服务器；从聚合服务器获取本轮联邦训练的目标模型参数，并通过目标模型参数对当前医疗诊断模型进行训练。由此，各节点间无需共享原始影像数据，仅通过二次加密的加密梯度参数交换完成模型协同训练，有效避免了患者隐私泄露的风险。