[發(fā)明專利]一種醫(yī)學(xué)影像檢測方法、裝置、設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010462190.4
• 申請日: 2020-05-27
• 公開（公告）號: CN111652863A
• 公開（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 劉君茹;陳琪文;黎書暢
• 申請（專利權(quán)）人: 劉君茹;陳琪文;黎書暢
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06F21/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種醫(yī)學(xué)影像檢測方法，其特征在于，由至少一個(gè)客戶端執(zhí)行，所述方法包括：

接收服務(wù)器下發(fā)的訓(xùn)練模型，基于客戶端本地存儲的醫(yī)學(xué)影像數(shù)據(jù)對所述訓(xùn)練模型進(jìn)行訓(xùn)練，得到所述訓(xùn)練模型的候選模型參數(shù)；所述訓(xùn)練模型包括初始模型、學(xué)習(xí)率以及優(yōu)化器；

從所述候選模型參數(shù)中確定待上傳模型參數(shù)集合；

將所述待上傳模型參數(shù)集合中的模型參數(shù)上傳至服務(wù)器，以供服務(wù)器根據(jù)所述待上傳模型參數(shù)集合中的模型參數(shù)進(jìn)行聯(lián)盟聚合得到所述訓(xùn)練模型的目標(biāo)模型參數(shù)；

接收所述服務(wù)端下發(fā)的目標(biāo)模型參數(shù)，根據(jù)所述目標(biāo)參數(shù)對所述訓(xùn)練模型進(jìn)行訓(xùn)練確定目標(biāo)訓(xùn)練模型，并基于所述目標(biāo)訓(xùn)練模型對客戶端本地接收的醫(yī)學(xué)影像進(jìn)行診斷預(yù)測。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，從所述的候選模型參數(shù)中確定待上傳模型參數(shù)集合，包括：

對任一所述候選模型參數(shù)添加噪聲閾值得到噪聲模型參數(shù)；

若所述噪聲模型參數(shù)大于模型參數(shù)閾值，則將該噪聲模型參數(shù)添加至待上傳模型參數(shù)集合中，以生成待上傳模型參數(shù)集合。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，接收服務(wù)器下發(fā)的訓(xùn)練模型，基于客戶端本地存儲的醫(yī)學(xué)影像數(shù)據(jù)對所述訓(xùn)練模型進(jìn)行訓(xùn)練，得到所述訓(xùn)練模型的候選模型參數(shù)，包括：

采用自適應(yīng)優(yōu)化器，基于客戶端本地存儲的醫(yī)學(xué)影像數(shù)據(jù)通過梯度下降算法對深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

將所述深度神經(jīng)網(wǎng)絡(luò)滿足迭代停止條件時(shí)得到的深度神經(jīng)網(wǎng)絡(luò)模型參數(shù)作為候選模型參數(shù)。

4.一種醫(yī)學(xué)影像檢測方法，其特征在于，由服務(wù)器執(zhí)行，所述方法包括：

向客戶端下發(fā)訓(xùn)練模型，以供客戶端基于本地存儲的醫(yī)學(xué)影像數(shù)據(jù)對所述訓(xùn)練模型進(jìn)行訓(xùn)練，得到所述訓(xùn)練模型的候選模型參數(shù)；所述訓(xùn)練模型包括初始模型、學(xué)習(xí)率以及優(yōu)化器；

接收客戶端上傳的的待上傳參數(shù)集合，所述待上傳參數(shù)集合由所述客戶端從所述候選模型參數(shù)中確定；

根據(jù)所述待上傳模型參數(shù)中模型參數(shù)進(jìn)行聯(lián)盟聚合得到訓(xùn)練模型的目標(biāo)模型參數(shù)；

將所述目標(biāo)模型參數(shù)下發(fā)至所述客戶端，以供所述客戶端根據(jù)所述目標(biāo)參數(shù)對所述訓(xùn)練模型進(jìn)行訓(xùn)練確定目標(biāo)訓(xùn)練模型，并基于所述目標(biāo)訓(xùn)練模型對客戶端本地接收的醫(yī)學(xué)影像進(jìn)行診斷預(yù)測。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，向客戶端下發(fā)訓(xùn)練模型，以供客戶端基于本地存儲的醫(yī)學(xué)影像數(shù)據(jù)對所述訓(xùn)練模型進(jìn)行訓(xùn)練，得到所述訓(xùn)練模型的候選模型參數(shù)，包括：

基于同態(tài)加密算法對所述訓(xùn)練模型中初始模型的模型參數(shù)進(jìn)行加密，得到加密后的模型參數(shù)；

向客戶端下發(fā)包含所述加密后的模型參數(shù)的所述初始模型，以供客戶端基于本地存儲的醫(yī)學(xué)影像數(shù)據(jù)對所述訓(xùn)練模型進(jìn)行訓(xùn)練，得到所述訓(xùn)練模型訓(xùn)練后的加密模型參數(shù)。

6.一種醫(yī)學(xué)影像檢測裝置，其特征在于，配置于至少一個(gè)客戶端中，所述裝置包括：

訓(xùn)練模塊，用于接收服務(wù)器下發(fā)的訓(xùn)練模型，基于客戶端本地存儲的醫(yī)學(xué)影像數(shù)據(jù)對所述訓(xùn)練模型進(jìn)行訓(xùn)練，得到所述訓(xùn)練模型的候選模型參數(shù)；所述訓(xùn)練模型包括初始模型、學(xué)習(xí)率以及優(yōu)化器；

確定模塊，用于從所述候選模型參數(shù)中確定待上傳模型參數(shù)集合；

上傳模塊，用于將所述待上傳模型參數(shù)集合中的模型參數(shù)上傳至服務(wù)器，以供服務(wù)器根據(jù)所述待上傳模型參數(shù)集合中的模型參數(shù)進(jìn)行聯(lián)盟聚合得到所述訓(xùn)練模型的目標(biāo)模型參數(shù)；

預(yù)測模塊，用于接收所述服務(wù)端下發(fā)的目標(biāo)模型參數(shù)，根據(jù)所述目標(biāo)參數(shù)對所述訓(xùn)練模型進(jìn)行訓(xùn)練確定目標(biāo)訓(xùn)練模型，并基于所述目標(biāo)訓(xùn)練模型對客戶端本地接收的醫(yī)學(xué)影像進(jìn)行診斷預(yù)測。