[發明專利]使用深度學習網絡的匿名和安全分類

有效

• 申請號: 201711069638.0
• 申請日: 2017-11-03
• 公開（公告）號: CN108021819B
• 公開（公告）日: 2021-11-23
• 發明（設計）人: A.P.基拉利;P.加爾
• 申請（專利權）人: 西門子保健有限責任公司
• 主分類號: G06F21/62
• 分類號: G06F21/62;G16H10/60;G06N3/04;G06N3/08
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 張凌苗;劉春元

1.一種用于在醫學成像中的機器學習分類器的使用的方法，所述方法包括：

用醫學掃描器獲取表示患者的掃描數據；

用第一處理器通過深度學習網絡的層的第一集合來處理所述掃描數據，所述深度學習網絡包括層的所述第一集合和層的第二集合，層的所述第一集合包括兩個或更多層；

將層的所述第一集合的輸出通過通信網絡從所述第一處理器傳輸到第二處理器，所述輸出與所述掃描數據不同并且對患者而言比所述掃描數據更匿名；

用所述第二處理器通過所述深度學習網絡的層的所述第二集合來處理層的所述第一集合的輸出，層的所述第二集合的輸出是所述掃描數據的分類；以及

將對于患者的所述掃描數據的所述分類通過所述通信網絡從所述第二處理器傳輸到所述第一處理器。

2.如權利要求1所述的方法，其中獲取掃描數據包括獲取所述掃描數據作為計算斷層攝影術、磁共振、超聲、正電子發射斷層攝影術或單光子發射計算斷層攝影術數據。

3.如權利要求1所述的方法，其中處理所述掃描數據包括用深度學習網絡處理，所述深度學習網絡是從具有已知分類的其他患者的掃描的訓練數據學習的神經網絡。

4.如權利要求1所述的方法，其中處理所述掃描數據包括用包括卷積層、最大池化層或所述卷積層和所述最大池化層兩者的層的所述第一集合處理；以及

其中，處理所述輸出包括用包括完全連接層、上卷積層或所述完全連接層和所述上卷積層兩者的層的所述第二集合處理。

5.如權利要求1所述的方法，其中處理所述掃描數據包括將所述掃描數據輸入到層的所述第一集合的第一層，并且將所述第一層的輸出輸入到層的所述第一集合的第二層。

6.如權利要求1所述的方法，其中傳輸所述輸出包括相對于所述掃描數據傳輸所述輸出作為抽象，并且其中傳輸所述分類包括傳輸所述分類作為解剖的標識、病變的標識、良性的或惡性的標識或疾病的階段。

7.如權利要求1所述的方法，其中傳輸所述輸出包括從在具有所述醫學掃描器的設施中的所述第一處理器傳輸到所述第二處理器，所述第二處理器包括云服務器。

8.如權利要求1所述的方法，其中處理所述輸出包括用在層的所述第二集合中的兩個或更多層來處理。

9.如權利要求1所述的方法，進一步包括：

將層的所述第一集合的參數存儲為加密的。

10.如權利要求1所述的方法，進一步包括：

對所述輸出進行加密，其中傳輸所述輸出包括將所述輸出傳輸為加密的；以及

在處理所述輸出之前，由所述第二處理器對作為加密的所述輸出進行解密。

11.如權利要求1所述的方法，進一步包括：

將所述分類的醫師驗證的結果傳輸到所述第二處理器；以及

基于所述醫師驗證的結果和層的所述第一集合的輸出并且在不對層的所述第一集合進行重新訓練的情況下，對所述深度學習網絡的層的所述第二集合進行重新訓練。

12.一種用于用于匿名化數據傳送的機器學習系統的使用的方法，所述方法包括：

在第一位置中的第一計算機上操作k層的神經網絡的僅第一部分，所述第一部分包括所述k層中的n層；

將從所述神經網絡的所述第一部分得到的激活數據傳輸到在遠離所述第一位置的第二位置處的云服務器；

從所述云服務器接收所述神經網絡的輸出，所述輸出來自所述神經網絡的僅第二部分的操作，所述第二部分是k-n層；以及

在所述第一計算機上顯示所述輸出。

13.如權利要求12所述的方法，其中，操作包括在對于人的數據上操作，并且其中傳輸包括在所述第一部分的操作去除了人的標識信息的情況下傳輸所述激活數據。