一种基于联邦迁移学习的神经肌肉刺激仪故障校准方法

本发明公开了一种基于联邦迁移学习的神经肌肉刺激仪故障校准方法包括，获取神经肌肉刺激仪的设备数据和用户生理数据，将其构建为表征设备与用户交互系统状态的动态异构图；基于联邦学习框架下，通过多个设备协同训练一个用于表征通用故障模式的异构图神经网络模型；在单个神经肌肉刺激仪上，基于该模型，通过迁移学习微调生成适应个体差异的个性化校准模型；最后，利用个性化校准模型处理当前系统状态图，输出针对神经肌肉刺激仪控制参数的校准值；本发明通过将设备‑用户系统建模为异构图，能深入理解故障根源，实现精准校准，提升了刺激效果与安全性；同时，采用联邦迁移学习范式，有效解决了模型泛化能力不足和个性化校准精度低的问题。