一种基于联邦学习的跨组学隐私保护疾病标志物挖掘系统

本发明属于医疗数据分析领域，是一种基于联邦学习的跨组学隐私保护疾病标志物挖掘系统，包括：获取输入样本，并对输入样本中的数据进行标准化编码，并推理出组学特征与基因的关系，且依此建立疾病‑基因图谱的数据预处理模块；进行多组学特征之间的交互和选择，并对多组学数据进行协同挖掘的多模态融合神经网络模块；基于组学标志物的集合进行疾病早期筛查预测的个性化早筛决策引擎模块；通过动态调节隐私预算、梯度混淆与噪声注入机制，保护组学变异位点和临床诊疗过程的自适应差分隐私联邦框架模块。