[發(fā)明專(zhuān)利]一種基于聯(lián)邦元學(xué)習(xí)的罕見(jiàn)疾病分類(lèi)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210173273.0
• 申請(qǐng)日: 2022-02-24
• 公開(kāi)（公告）號(hào): CN114566277A
• 公開(kāi)（公告）日: 2022-05-31
• 發(fā)明（設(shè)計(jì)）人: 張衛(wèi)山;陳炳陽(yáng);陳雷鳴;曾星杰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)石油大學(xué)（華東）
• 主分類(lèi)號(hào): G16H50/20
• 分類(lèi)號(hào): G16H50/20;G06K9/62
• 代理公司: 北京慕達(dá)星云知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465
• 代理人: 崔自京

1.一種基于聯(lián)邦元學(xué)習(xí)的罕見(jiàn)疾病分類(lèi)方法，其特征在于：具體步驟如下：

S1、將本地醫(yī)療數(shù)據(jù)分為常見(jiàn)疾病與罕見(jiàn)疾病，常見(jiàn)疾病分為用于元模型訓(xùn)練的支持集和查詢(xún)集，罕見(jiàn)疾病分為測(cè)試集和驗(yàn)證集；

S2、基于強(qiáng)化分類(lèi)的元學(xué)習(xí)方法，支持集和查詢(xún)集對(duì)元模型進(jìn)行動(dòng)態(tài)更新分類(lèi)處理，得到訓(xùn)練后的元模型；

S3、本地服務(wù)器在測(cè)試集上將訓(xùn)練后的元模型進(jìn)行評(píng)估并篩選；

S4、本地服務(wù)器將篩選后的元模型上傳至中心服務(wù)器，中心服務(wù)器進(jìn)行動(dòng)態(tài)特征融合，得到更新后的全局模型；

S5、中心服務(wù)器將更新后的全局模型參數(shù)下發(fā)至各個(gè)本地服務(wù)器，本地服務(wù)器對(duì)各元模型進(jìn)行初始化，并開(kāi)啟新一輪元模型的訓(xùn)練；

S6、進(jìn)行步驟S3-S5的迭代，直至本地服務(wù)器獲取收斂后的元模型；

S7、將所述驗(yàn)證集輸入至收斂后的元模型中，獲取罕見(jiàn)疾病分類(lèi)結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于聯(lián)邦元學(xué)習(xí)的罕見(jiàn)疾病分類(lèi)方法，其特征在于：所述S1中，具體步驟如下：

S11、定義常見(jiàn)疾病與罕見(jiàn)疾病：根據(jù)醫(yī)療專(zhuān)家經(jīng)驗(yàn)，將樣本數(shù)量大的疾病類(lèi)別作為常見(jiàn)疾病，剩余的疾病類(lèi)別則為罕見(jiàn)疾病；

S12、對(duì)常見(jiàn)疾病進(jìn)行任務(wù)劃分，得到用于元模型訓(xùn)練的支持集：隨機(jī)選取N類(lèi)所述常見(jiàn)疾病的K個(gè)樣本，構(gòu)成一個(gè)任務(wù)，選取多個(gè)任務(wù)構(gòu)成元模型訓(xùn)練的所述支持集；

S13、對(duì)常見(jiàn)疾病進(jìn)行任務(wù)劃分，得到用于元模型訓(xùn)練的查詢(xún)集：選取與所述支持集相同的N類(lèi)所述常見(jiàn)疾病，每類(lèi)隨機(jī)選擇3K個(gè)樣本構(gòu)成一個(gè)任務(wù)，采用與所述支持集個(gè)數(shù)相同、分布相同的任務(wù)構(gòu)成所述查詢(xún)集；

S14、將罕見(jiàn)疾病劃分為測(cè)試集和驗(yàn)證集：選擇罕見(jiàn)疾病各類(lèi)的一個(gè)樣本作為測(cè)試集對(duì)訓(xùn)練后的元模型進(jìn)行調(diào)整，然后將未參與訓(xùn)練的罕見(jiàn)疾病樣本作為驗(yàn)證集進(jìn)行分類(lèi)診斷。

3.根據(jù)權(quán)利要求2所述的一種基于聯(lián)邦元學(xué)習(xí)的罕見(jiàn)疾病分類(lèi)方法，其特征在于：所述S2中，具體包括以下步驟：

S21、在進(jìn)行元學(xué)習(xí)內(nèi)循環(huán)中，基于損失函數(shù)計(jì)算所述支持集的損失，并根據(jù)所述損失及梯度信息確定內(nèi)循環(huán)更新參數(shù)；

S22、在進(jìn)行元學(xué)習(xí)外循環(huán)中，所述查詢(xún)集和所述內(nèi)循環(huán)更新參數(shù)對(duì)所述元模型參數(shù)進(jìn)行外循環(huán)參數(shù)訓(xùn)練，得到外循環(huán)更新參數(shù)；并根據(jù)所述外循環(huán)更新參數(shù)進(jìn)行元模型訓(xùn)練。

4.根據(jù)權(quán)利要求1所述的一種基于聯(lián)邦元學(xué)習(xí)的罕見(jiàn)疾病分類(lèi)方法，其特征在于：所述S3中，具體包括以下步驟：

S31、本地服務(wù)器在測(cè)試集上對(duì)訓(xùn)練后的元模型評(píng)估分?jǐn)?shù)；

S32、本地服務(wù)器選擇F分?jǐn)?shù)高于上一輪全局模型F分?jǐn)?shù)的元模型進(jìn)行篩選并上傳至中心服務(wù)器。

5.根據(jù)權(quán)利要求4所述的一種基于聯(lián)邦元學(xué)習(xí)的罕見(jiàn)疾病分類(lèi)方法，其特征在于：所述S4中，具體包括以下步驟：

中心服務(wù)器以篩選后的元模型F分?jǐn)?shù)、準(zhǔn)確率和數(shù)據(jù)量計(jì)算權(quán)重，中心服務(wù)器對(duì)篩選后的元模型進(jìn)行動(dòng)態(tài)特征融合處理，得到更新后的全局模型；

所述動(dòng)態(tài)特征融合過(guò)程包括：

篩選后的元模型分別以F分?jǐn)?shù)、準(zhǔn)確率和數(shù)據(jù)量計(jì)算權(quán)重，公式如下：

其中，w^r_j為第r輪所上傳的第j個(gè)元模型的權(quán)重，i表示該輪一共有i個(gè)醫(yī)院上傳了元模型，表示上傳第j個(gè)元模型的F分?jǐn)?shù)，代表對(duì)應(yīng)準(zhǔn)確率和數(shù)據(jù)量，softmax表示使各參數(shù)相加合為1；

全局模型更新過(guò)程的公式如下：

F(θ，lr)為該輪更新所得的全局模型，θ為模型的初始化參數(shù)，lr表示學(xué)習(xí)率，f_j(θ，lr)表示當(dāng)前第j個(gè)醫(yī)院上傳的元模型。