[發(fā)明專利]用于提供用于處理醫(yī)學(xué)數(shù)據(jù)的聚合算法的方法和用于處理醫(yī)學(xué)數(shù)據(jù)的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010568244.5
• 申請(qǐng)日: 2020-06-19
• 公開（公告）號(hào): CN112116999A
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: C·施米德;M·舍恩賓格;M·韋爾斯
• 申請(qǐng)（專利權(quán)）人: 西門子醫(yī)療有限公司
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G16H30/20;G06N20/00
• 代理公司: 北京市金杜律師事務(wù)所 11256
• 代理人: 趙林琳

本公開的實(shí)施例涉及用于提供用于處理醫(yī)學(xué)數(shù)據(jù)的聚合算法的方法以及用于處理醫(yī)學(xué)數(shù)據(jù)的方法。多個(gè)本地算法通過機(jī)器學(xué)習(xí)來訓(xùn)練，其中每個(gè)相應(yīng)本地算法的訓(xùn)練使用相應(yīng)本地訓(xùn)練數(shù)據(jù)在相應(yīng)本地系統(tǒng)上執(zhí)行，其中涉及相應(yīng)本地算法的相應(yīng)算法數(shù)據(jù)集被傳送到聚合系統(tǒng)，該聚合系統(tǒng)基于算法數(shù)據(jù)集生成聚合算法。

技術(shù)領(lǐng)域

本發(fā)明涉及一種用于提供用于處理醫(yī)學(xué)數(shù)據(jù)特別是醫(yī)學(xué)圖像數(shù)據(jù)的聚合算法的方法以及一種用于處理醫(yī)學(xué)數(shù)據(jù)的方法。此外，本發(fā)明涉及系統(tǒng)、計(jì)算機(jī)程序和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

近年來，在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的興趣和研究一直在增長。諸如深度學(xué)習(xí)之類的技術(shù)實(shí)現(xiàn)了在用于對(duì)圖像數(shù)據(jù)進(jìn)行分割和分類的全自動(dòng)算法中的重大質(zhì)量飛躍，從而允許這樣的算法被使用在醫(yī)學(xué)數(shù)據(jù)處理中，尤其是在醫(yī)學(xué)圖像數(shù)據(jù)的處理中。機(jī)器學(xué)習(xí)中最常用的方法是監(jiān)督學(xué)習(xí)，其需要訓(xùn)練數(shù)據(jù)來對(duì)算法進(jìn)行訓(xùn)練。通常，有必要至少手動(dòng)標(biāo)識(shí)訓(xùn)練數(shù)據(jù)中需要被檢測和/或限定的特征，以及可選地還標(biāo)識(shí)被算法評(píng)估來減少數(shù)據(jù)的復(fù)雜性并使模式對(duì)于學(xué)習(xí)過程更可見的某些特征。在深度學(xué)習(xí)中，算法本身以增量的方式從帶注釋的數(shù)據(jù)中學(xué)習(xí)高級(jí)別特征。因此，算法的性能在很大程度上取決于數(shù)據(jù)量和被用來對(duì)算法進(jìn)行訓(xùn)練的注釋的質(zhì)量。這是特別正確的，因?yàn)樾枰紤]大量的變量，例如患者之間的解剖學(xué)和/或病理學(xué)差異和/或所使用的成像規(guī)程或其他采集協(xié)議的差異。

因此，對(duì)于醫(yī)學(xué)設(shè)備的制造方和這樣的經(jīng)訓(xùn)練算法的其他提供方而言，組裝足夠大且充分注釋的訓(xùn)練數(shù)據(jù)集是重大的挑戰(zhàn)。例如，使用超過10000或超過100000個(gè)訓(xùn)練數(shù)據(jù)集可能是必要的。在醫(yī)學(xué)成像中，還存在主要的私密問題，因?yàn)獒t(yī)學(xué)圖像數(shù)據(jù)和其他醫(yī)學(xué)數(shù)據(jù)都涉及高度私密的信息。因此，需要實(shí)現(xiàn)廣泛的匿名化協(xié)議，并且獲得對(duì)例如可能由醫(yī)院提供的大型數(shù)據(jù)集的訪問可能是一個(gè)復(fù)雜的過程。一旦采集了足夠大的數(shù)據(jù)集，通常還需要由內(nèi)部專家或合約方對(duì)該廣泛的數(shù)據(jù)集進(jìn)行手動(dòng)注釋。這可能也需要采集相關(guān)的知識(shí)。

此外，數(shù)據(jù)處理可以包括跨國界的數(shù)據(jù)傳送，并且因此包括涉及數(shù)據(jù)保護(hù)的附加要求，尤其是考慮到大量的特定于國家的法規(guī)。包括用于數(shù)據(jù)處理的第三方通常需要原始患者的同意。這些附加的限制限制了外包和數(shù)據(jù)共享的可能性。

上面提及的問題的總體結(jié)果往往會(huì)導(dǎo)致使用機(jī)器學(xué)習(xí)的產(chǎn)品的更新和反饋周期很慢。

從文檔US 2014/0219548 A1中已知在最終用戶系統(tǒng)上使用本地機(jī)器學(xué)習(xí)。盡管此方法允許取決于用戶反饋立即改進(jìn)算法，但該算法只能從本地訓(xùn)練中獲益。由于本地可用的訓(xùn)練數(shù)據(jù)池通常相當(dāng)小，因此只可能對(duì)算法進(jìn)行緩慢的改進(jìn)。本地算法也不能從在其他位置中執(zhí)行的任何訓(xùn)練中獲益。為了處理醫(yī)學(xué)數(shù)據(jù)，還期望在算法被發(fā)布和使用之前對(duì)經(jīng)訓(xùn)練的算法執(zhí)行驗(yàn)證，以確保算法不存在意外行為。這通常由算法的提供方來執(zhí)行，例如由所使用的醫(yī)學(xué)設(shè)備的制造方來執(zhí)行。不存在一種簡單方法將這樣的驗(yàn)證集成在所提及的文檔中討論的用于本地學(xué)習(xí)的方法中。

在文檔US 2018/0018590 A1中討論了使用本地?cái)?shù)據(jù)來訓(xùn)練算法的不同方法。該文檔建議在本地系統(tǒng)上生成代理數(shù)據(jù)，該代理數(shù)據(jù)具有與實(shí)際數(shù)據(jù)相似的數(shù)據(jù)分布。然后，從多個(gè)系統(tǒng)聚合該代理數(shù)據(jù)并將其用來訓(xùn)練算法。雖然與直接重新分布本地私密數(shù)據(jù)相比，該方法提高了私密性，但是從例如本地醫(yī)院傳輸有關(guān)某些私密數(shù)據(jù)的分布的信息可能已經(jīng)是有問題的，尤其是在一些數(shù)據(jù)涉及罕見狀況的情況下。因此，將需要附加步驟來確保本文檔中提出的方法不會(huì)意外共享與私密相關(guān)的數(shù)據(jù)。由于在機(jī)器學(xué)習(xí)中使用的算法，例如神經(jīng)網(wǎng)絡(luò)，可以是高度非線性的系統(tǒng)，所以創(chuàng)建與真實(shí)數(shù)據(jù)分布相似的人工數(shù)據(jù)分布也可能是有問題的。因此，看起來相似的分布可能導(dǎo)致所得的經(jīng)訓(xùn)練的算法存在巨大差異。盡管該文檔建議通過使用真實(shí)數(shù)據(jù)和代理數(shù)據(jù)來使用本地訓(xùn)練并比較經(jīng)訓(xùn)練的算法來檢查這一事實(shí)，但是不能保證在多個(gè)代理數(shù)據(jù)集被合并和被用于訓(xùn)練時(shí)這種行為相似性仍然成立。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種用于提供用于處理醫(yī)學(xué)數(shù)據(jù)的聚合算法的方法，并且因此還提供一種用于處理醫(yī)學(xué)數(shù)據(jù)的方法，該方法允許使用本地訓(xùn)練數(shù)據(jù)，同時(shí)確保有關(guān)此數(shù)據(jù)的私密性被遵守。