← 返回列表
一种能够保护患者隐私的智能医疗联邦学习方法和装置
摘要文本
本发明公开了一种能够保护患者隐私的智能医疗联邦学习方法和装置，涉及智能医疗技术领域，所述能够保护患者隐私的智能医疗联邦学习方法包括下述操作步骤：S1、数据预处理；S2、计算余弦相似度；S3、谱聚类；S4、集群训练。该能够保护患者隐私的智能医疗联邦学习方法和装置，对于数据的预处理方法和调度策略保证了用户的数据隐私，在达到模型训练的功能需求的同时，不同的站点之间，无法看到其他站点的个人信息，解决了联合学习中非IID数据和患者隐私保护的问题，本案用ICU数据预测病人死亡情况，可以扩展到其他表型分析任务。。详见官网：
申请人信息
- 申请人:中科晶锐(苏州)科技有限公司
- 申请人地址:215000 江苏省苏州市姑苏区西环路3068号芯谷产业园2617室
- 发明人: 中科晶锐(苏州)科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种能够保护患者隐私的智能医疗联邦学习方法和装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311407440.4 |
| 申请日 | 2023/10/27 |
| 公告号 | CN117393148A |
| 公开日 | 2024/1/12 |
| IPC主分类号 | G16H50/20 |
| 权利人 | 中科晶锐(苏州)科技有限公司 |
| 发明人 | 刘德生; 周宇; 王斌; 王微; 龙真真 |
| 地址 | 江苏省苏州市姑苏区西环路3068号芯谷产业园2617室 |
专利主权项内容
1.一种能够保护患者隐私的智能医疗联邦学习方法，其特征在于：所述能够保护患者隐私的智能医疗联邦学习方法包括下述操作步骤：S1、数据预处理：训练编码器来创建嵌入向量，联合自动编码器以获得每个特征域的潜在变量，潜在变量连接起来形成患者嵌入向量；S2、计算余弦相似度：采用SMPC协议计算嵌入向量之间的余弦相似度，SMPC使用秘密共享方案来联合计算向量对之间的点积；S3、谱聚类：使用由嵌入的成对余弦相似度生成的相似度矩阵对患者进行聚类；S4、集群训练：基于集群到FL训练，每个模型都在每个集群单独训练。