ECG-Federated-Learning.

这是一个面向智慧医院场景的可解释联邦学习ECG分类系统，用于在保护患者隐私的前提下实现多机构协同训练心脏病诊断模型。项目基于PyTorch和Flower框架构建联邦学习流程，支持多个模拟医院客户端本地训练、参数聚合；集成SHAP方法提供模型预测的可解释性，增强临床可信度；支持与中心化训练对比评估，验证其在精度与隐私间的平衡能力。适用于医疗数据孤岛严重、合规要求高（如GDPR/HIPAA）的跨机构远程心电分析与辅助诊断场景。