[發明專利]一種基于聯邦學習的個性化心電信號監測方法

有效

• 申請號: 202110408665.6
• 申請日: 2021-04-15
• 公開（公告）號: CN113095238B
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 林霖;舒明雷;王英龍;劉輝;謝小云
• 申請（專利權）人: 山東省人工智能研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 支文彬

一種基于聯邦學習的個性化心電信號監測方法，將由云端訓練的初始化模型拆分為基礎特征提取網絡和個性化分類網絡兩部分，僅采用聯邦策略訓練由多個終端上傳的基礎特征提取網絡。由于每個終端僅上傳部分模型參數，可以防止惡意人員通過整個模型參數恢復原始數據。通過聯邦策略進行模型訓練相比被動順序參數更新具有更高的通信效率。為了更好的學習個體的個性化特征，提高分類模型的準確性，多個終端通過協同訓練基礎特征提取網絡充分學習基礎特征，個性化分類網絡只保留在終端用于個性化特征的提取。當新個體加入時，基礎特征提取網絡可以直接用作新個體的基礎特征提取部分，并且只需要少量個體數據就可以獲得個性化的心電信號監測模型。

技術領域

本發明涉及心電信號監測領域，具體涉及一種基于聯邦學習的個性化心電信號監測方法。

背景技術

心電圖信號代表心臟的電活動，人工智能技術結合物聯網中部署的智能化心電信號監測終端和云端大數據平臺，以及各種移動可穿戴設備，已經廣泛應用于對個體心電信號進行監測和分類，如圖1。通過在終端部署輕量級網絡模型的方式可以減少云端處理數據的負擔，而且這種心電信號處理方案可以減少時間、地點的限制。在解決個性化心電信號監測方面，仍面臨一些挑戰。

傳統心電信號分類方式是使用相對較小的共享數據和特定個體的數據來訓練單個且簡單的CNN，由于數據量小，訓練的模型表現出來的泛化性能可能不理想。如果將來自這些可穿戴設備的數據集中到云端進行模型訓練得到一個全局模型，但訓練得到的模型并不一定適用于每個個體，且數據上傳云端的過程中會帶來隱私泄漏和安全性問題，在解決個性化心電監測問題中變得不可行。在真實場景中，可穿戴式傳感器節點獲得心電信號通常需要專家標注每個個體的心電信號，這種方式工作量大，容易產生誤判。由以上分析可以得出獲大規模高質量的已標注數據(個體和共享)非常困難，若通過多個個體之間進行數據傳遞來協同訓練某個個體的模型，數據傳遞的過程中仍會存在隱私泄漏。如何在保護個體隱私的前提下進行準確的個性化心電信號監測成為了一個亟待解決的問題。

發明內容

本發明為了克服以上技術的不足，提供了一種在保護個人隱私的前提下進行個性化、實時、準確的心電信號監測的方法。

本發明克服其技術問題所采用的技術方案是：

一種基于聯邦學習的個性化心電信號監測方法，包括如下步驟：

a)在MIT-BIH數據庫DS1中取出I個心拍，將取出的I個心拍分為N型、S型、V型、F型和Q型五個類別，將取出的I個心拍作為訓練云端的公共模型S⁰的數據集D⁰，{(x_i,y_i)∈D⁰},i∈{1,2，...,I}，x_i為公共模型S⁰的第i個輸入樣本，y_i為x_i的真實標簽，y_i∈{1,…,5}，每個心拍x_i提取304維特征作為公共模型S⁰的輸入，公共模型S⁰的輸出為心拍類別的概率，對公共模型S⁰進行L次迭代，得到基礎特征提取網絡參數為W^b、個性化分類網絡參數為W^p的公共模型S⁰，將云端的訓練后的公共模型S⁰發送給N個終端；

b)第n個終端接收云端傳遞的模型參數W^b和W^p，n∈{1,2,…,N}，N為終端總數，將公共模型S⁰的模型參數作為本地個性化模型Sⁿ的模型參數初始配置，得到基礎特征提取網絡參數為W^b,n(0)、個性化分類網絡參數為W^p,n(0)的個性化模型Sⁿ；