FedMRL是一个新颖的联邦多智能体深度强化学习框架，通过引入公平性的损失函数和多智能体强化学习方法来提高性能，并利用自组织映射实现服务器端的自适应权重调整，以应对客户端本地数据分布的偏差。实验证明FedMRL在医学图像诊断方面优于现有技术。