一种基于联邦学习的肿瘤放疗不良反应预测系统

本发明提供了一种基于联邦学习的肿瘤放疗不良反应预测系统，涉及人工智能医疗领域，包括：对若干个训练数据集分别进行数据量比、数据可靠性和数据差异性分析，评估获取若干个数据贡献度；根据若干个数据贡献度设定第一模型参数聚合策略，对若干个模型参数进行聚合，构建第一不良反应预测模型并分别下放至若干个训练点；进行迭代周期训练，直至满足预设迭代周期次数，输出不良反应预测模型进行预测。旨在解决现有预测系统在模型参数聚合过程中缺乏对各参与方实际贡献的精准衡量，导致影响模型预测准确性和泛化能力的技术问题；通过引入多维数据贡献度评估机制，动态设定模型参数聚合策略，可以显著增强不良反应预测模型的准确性与泛化能力。