本发明公开了一种面向医疗图像分割的联邦学习方法及系统、设备和介质，属于人工智能中的计算机视觉领域，用于解决医疗机构在不共享隐私数据情况下提升深度神经网络模型对图像分割的泛化能力。本发明先将客户端本端的原始医学图像通过快速傅里叶变换得到幅度谱，将幅度谱采用连续频率空间插值算法，分别与其他客户端的幅度谱进行插值，得到插值之后的幅度谱；采用核心集采样的主动学习方法从各幅度谱中选出能代表多种数据集信息的幅值再结合相位值进行傅里叶反变换，得到一批新数据集；采用元学习范式，将原始医疗数据集用于训练，将新数据集用于测试；再利用对比学习来突出图像中的边界，采用对比损失函数来进行参数更新。