用于精准医疗的自适应聚类联邦学习建模方法

本发明公开了用于精准医疗的自适应聚类联邦学习建模方法，涉及精准医疗技术领域，包括以下步骤：数据收集与预处理和模型构建与训练；本发明通过自适应聚类精准确定全局模型最优数量，并依据客户端模型参数相似性划分聚类组，实现分组独立训练，有效提升了模型对不同客户端数据特征、样本及标签分布差异的适应性，避免单一模型在部分客户端性能不佳的问题，显著增强模型捕捉复杂医学模式的能力；通过分组训练优化了模型泛化性，使其能更好应对新数据分布，在保障医疗数据隐私安全的前提下，大幅提高模型在疾病诊断、预后预测等精准医疗场景中的准确性与可靠性。