【技术实现步骤摘要】
本专利技术涉及计算机，具体涉及一种基于联邦微调的横向联邦学习心电信号分类方法。
技术介绍
1、在相关技术中，心电图是诊断和监测心血管疾病的重要方式。通过记录人体心脏活动产生的电位波形来反映心脏的状态，可以为临床治疗提供很多有价值的信息。由于心电信号检测需求的快速增长，以及专业心电医生的短缺，使得心电信号的自动分类与诊断成为一个突出的研究领域。然而，传统方法训练心电信号分类模型需要将全部数据上传至服务器端进行统一处理，这不仅消耗大量资源，而且存在数据泄露的风险。因此，需要引入一种技术，实现对数据隐私的保护。
2、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本专利技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术提供一种基于联邦微调的横向联邦学习心电信号分类方法及系统、一种存储介质、一种计算机程序产品，以及一种电子设备，进而能够在一定程度上克服现有技术中存在的缺陷。
2、本专利技术的其他特性和优点将通过...
【技术保护点】
1.一种基于联邦微调的横向联邦学习心电信号分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述接收各终端设备上传的终端模型参数，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于横向联邦学习的心电分类模型，包括依次设置的：
4.根据权利要求3所述的方法，其特征在于，特征提取层包括依次设置的输入层，以及连续多个采样层；采样层包括连续的卷积层和池化层；其中，各卷积层的卷积核不同，且各卷积层输出的特征尺度不同。
5.根据权利要求3所述的方法，其特征在于，Transformer层包括依次设...
【技术特征摘要】
1.一种基于联邦微调的横向联邦学习心电信号分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述接收各终端设备上传的终端模型参数，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于横向联邦学习的心电分类模型，包括依次设置的：
4.根据权利要求3所述的方法，其特征在于，特征提取层包括依次设置的输入层，以及连续多个采样层；采样层包括连续的卷积层和池化层；其中，各卷积层的卷积核不同，且各卷积层输出的特征尺度不同。
5.根据权利要求3所述的方法，其特征在于，transformer层包括依次设置的：自注...
【专利技术属性】
技术研发人员：江帆，王旭润，刘磊，张雪薇，翟永智，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。