[發明專利]一種醫療數據共享方法及裝置

有效

• 申請號: 202011104552.9
• 申請日: 2020-10-15
• 公開（公告）號: CN112162959B
• 公開（公告）日: 2023-10-10
• 發明（設計）人: 羅凱文;趙建;林宏壤;相韶華
• 申請（專利權）人: 深圳技術大學
• 主分類號: G06F16/176
• 分類號: G06F16/176;G06F16/23;G06F16/27;G06N20/00;G16H30/20;G16H40/67
• 代理公司: 深圳君信誠知識產權代理事務所(普通合伙) 44636
• 代理人: 劉偉

本發明涉及數據處理技術領域，公開了一種醫療數據共享方法及裝置，該方法包括：利用聯盟鏈將多個數據孤島連接起來；在聯盟鏈上以智能合約的形式發布聯邦機器學習任務；通過智能合約API接口將尋影助手加入聯邦機器學習；對尋影助手中各節點的醫療數據進行匯總更新；通過區塊鏈技術和聯邦機器學習訓練，實現了去中心化，解決了傳統聯邦學習依賴單一服務器的缺點。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種醫療數據共享方法及裝置。

背景技術

聯邦機器學習(Federated machine learning/Federated Learning)：又名聯邦學習，聯合學習，聯盟學習。聯邦機器學習是一個機器學習框架，能有效幫助多個機構在滿足用戶隱私保護、數據安全和政府法規的要求下，進行數據使用和機器學習建模。聯邦學習作為分布式的機器學習范式,可以有效解決數據孤島問題,讓參與方在不共享數據的基礎上聯合建模,能從技術上打破數據孤島,實現AI協作。

聯邦學習定義了機器學習框架，在此框架下通過設計虛擬模型解決不同數據擁有方在不交換數據的情況下進行協作的問題。虛擬模型是各方將數據聚合在一起的最優模型，各自區域依據模型為本地目標服務。聯邦學習要求此建模結果應當無限接近傳統模式，即將多個數據擁有方的數據匯聚到一處進行建模的結果。在聯邦機制下，各參與者的身份和地位相同，可建立共享數據策略。由于數據不發生轉移，因此不會泄露用戶隱私或影響數據規范。為了保護數據隱私、滿足合法合規的要求。

雖然傳統的聯邦學習能夠很好的解決數據孤島的問題，但始終無法解決的，是中心化的問題。在傳統的聯邦學習中，參數的最終匯總更新需要在中心化的服務器上進行，而這極為耗費算力及帶寬。

發明內容

本發明的主要目的在于提出一種醫療數據共享方法及裝置，通過區塊鏈技術和聯邦機器學習訓練，實現了去中心化，解決了傳統聯邦學習依賴單一服務器的缺點。

為實現上述目的，本發明提供的一種醫療數據共享方法，包括：

利用聯盟鏈將多個數據孤島連接起來；

在聯盟鏈上以智能合約的形式發布聯邦機器學習任務；

通過智能合約API接口將尋影助手加入聯邦機器學習；

對尋影助手中各節點的醫療數據進行匯總更新。

可選地，所述利用聯盟鏈將多個數據孤島連接起來包括：

在所述多個數據孤島中設置一一對應的多個分布式異步鑒別器；

將所述多個分布式異步鑒別器和一個臨時中心生成器組成對抗網絡；

通過所述臨時中心生成器進行合成訓練，生成與所述多個數據孤島中的數據相近似的合成數據樣本。

可選地，所述對尋影助手中各節點的醫療數據進行匯總更新具體為：

通過分布式更新模型參數算法對尋影助手中各節點的醫療數據進行匯總更新。

可選地，所述尋影助手中設置有智能眼科OCT模塊，所述智能眼科OCT模塊具有OCT圖像質量控制、AI病變篩查、AI病灶自動檢測、OCT圖像質量增強、AI輔助標注和多節點協同訓練的功能。

可選地，所述智能眼科OCT模塊搭載在智聯平臺上。

作為本發明的另一方面，提供的一種醫療數據共享裝置，包括：

連接模塊，用于利用聯盟鏈將多個數據孤島連接起來；

發布模塊，用于在聯盟鏈上以智能合約的形式發布聯邦機器學習任務；

加入模塊，用于通過智能合約API接口將尋影助手加入聯邦機器學習；