[發明專利]基于聯邦學習的醫療輔助診斷方法、裝置、設備及存儲介質

在審

• 申請號: 202011030487.X
• 申請日: 2020-09-27
• 公開（公告）號: CN112201342A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 孫圣力;尹心;李青山;司華友
• 申請（專利權）人: 博雅正鏈（北京）科技有限公司;南京博雅區塊鏈研究院有限公司;北京大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06N20/20
• 代理公司: 無錫永樂唯勤專利代理事務所(普通合伙) 32369
• 代理人: 孫際德

1.一種基于聯邦學習的醫療輔助診斷方法，運行于客戶端，其包括：

獲取存儲在本地的帶有診斷結果標簽的病患診斷數據并按預定比例將所述病患診斷數據劃分為基模型訓練集和基模型測試集，所述病患診斷數據包括唯一的ID；

基于所述基模型訓練集參與至與其他客戶端、服務器端的聯邦學習中以獲得至少兩種基模型；

使用所述基模型測試集對各所述基模型進行測試；

將各所述基模型生成的預測結果融入至所述基模型訓練集中以獲得集成模型訓練集；

將各所述基模型生成的預測結果融入至所述基模型測試集中以獲得集成模型測試集；

基于所述集成模型訓練集參與至與其他客戶端、服務器端的聯邦學習中以獲得集成模型；

使用所述集成模型測試集對所述集成模型進行測試。

2.如權利要求1所述的基于聯邦學習的醫療輔助診斷方法，其特征在于：所述基于所述基模型訓練集參與至與其他客戶端、服務器端的聯邦學習中以獲得至少兩種基模型包括：

構建至少兩種基模型并初始化模型參數；

基于所述基模型訓練集對各所述基模型進行訓練，得到各所述基模型的模型參數并反饋給服務器端，以觸發所述服務器端對至少兩個客戶端反饋的模型參數進行聚合并將聚合后的模型參數發送給各客戶端；

獲得服務器發送的聚合后的模型參數并使用聚合后的模型參數繼續訓練各所述基模型，直至完成各所述基模型的訓練。

3.如權利要求1所述的基于聯邦學習的醫療輔助診斷方法，其特征在于：所述基于所述集成模型訓練集參與至與其他客戶端、服務器端的聯邦學習中以獲得集成模型包括：

構建集成模型并初始化模型參數；

基于所述集成模型訓練集對所述集成模型進行訓練，得到所述集成模型的模型參數并反饋給服務器端，以觸發所述服務器端對至少兩個客戶端反饋的模型參數進行聚合并將聚合后的模型參數發送給各客戶端；

獲得到服務器發送的聚合后的模型參數并使用聚合后的模型參數繼續訓練所述集成模型，直至完成所述集成模型的訓練。

4.如權利要求1所述的基于聯邦學習的醫療輔助診斷方法，其特征在于，所述基模型包括決策樹模型、貝葉斯模型及神經網絡模型。

5.如權利要求1所述的基于聯邦學習的醫療輔助診斷方法，其特征在于，所述集成模型為貝葉斯模型。

6.如權利要求1所述的基于聯邦學習的醫療輔助診斷方法，其特征在于，其還包括：

模型更新，當存儲在本地的帶有診斷結果的病患診斷數據的新增數據量超過預定的閾值時，對各所述基模型和所述集成模型進行重新訓練以實現模型更新。

7.如權利要求1所述的基于聯邦學習的醫療輔助診斷方法，其特征在于，

所述將各所述基模型生成的預測結果融入至所述基模型訓練集中以獲得集成模型訓練集包括：

刪除基模型訓練數據中的診斷結果標簽；

將各所述基模型的預測結果均加入至具有相同ID的基模型訓練數據中；

所述將各所述基模型生成的預測結果融入至所述基模型測試集中以獲得集成模型測試集包括：

刪除基模型測試數據中的診斷結果標簽；

將各所述基模型的預測結果均加入至具有相同ID的基模型測試數據中。