一种基于联邦半监督学习的医疗图像分类方法

本发明公开了一种基于联邦半监督学习的医疗图像分类方法，首先将各客户端的有标签医疗图像输入本地模型和本地全局模型中训练。其次计算每个类的阈值并下发给客户端，将每个客户端的医疗图像输入到本地模型和本地全局模型中进行训练。然后用有标签数据的更新本地模型和本地全局模型，联邦聚合得到服务器全局模型并下发给客户端更新本地全局模型，重复操作后进入主动学习过程，重复主动学习过程达到预定标签预算。最后将更新后的客户端有标签数据和无标签数据输入到本地模型和本地全局模型中，进行训练直到服务器全局模型收敛。本发明使模型自适应于每个类别，且轻松易实现也不会增大通信代价，同时也提高了分类的准确性。