一种医疗数据共享方法及装置制造方法及图纸

本发明专利技术涉及数据处理技术领域，公开了一种医疗数据共享方法及装置，该方法包括：利用联盟链将多个数据孤岛连接起来；在联盟链上以智能合约的形式发布联邦机器学习任务；通过智能合约API接口将寻影助手加入联邦机器学习；对寻影助手中各节点的医疗数据进行汇总更新；通过区块链技术和联邦机器学习训练，实现了去中心化，解决了传统联邦学习依赖单一服务器的缺点。

【技术实现步骤摘要】
一种医疗数据共享方法及装置
本专利技术涉及数据处理
，尤其涉及一种医疗数据共享方法及装置。
技术介绍
联邦机器学习(Federatedmachinelearning/FederatedLearning)：又名联邦学习，联合学习，联盟学习。联邦机器学习是一个机器学习框架，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。联邦学习作为分布式的机器学习范式,可以有效解决数据孤岛问题,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,实现AI协作。联邦学习定义了机器学习框架，在此框架下通过设计虚拟模型解决不同数据拥有方在不交换数据的情况下进行协作的问题。虚拟模型是各方将数据聚合在一起的最优模型，各自区域依据模型为本地目标服务。联邦学习要求此建模结果应当无限接近传统模式，即将多个数据拥有方的数据汇聚到一处进行建模的结果。在联邦机制下，各参与者的身份和地位相同，可建立共享数据策略。由于数据不发生转移，因此不会泄露用户隐私或影响数据规范。为了保护数据隐私、满足合法合规的要求。虽然传统的联邦学习能够很好的解决数据孤岛的问题，但始终无法解决的，是中心化的问题。在传统的联邦学习中，参数的最终汇总更新需要在中心化的服务器上进行，而这极为耗费算力及带宽。
技术实现思路
本专利技术的主要目的在于提出一种医疗数据共享方法及装置，通过区块链技术和联邦机器学习训练，实现了去中心化，解决了传统联邦学习依赖单一服务器的缺点。为实现上述目的，本专利技术提供的一种医疗数据共享方法，包括：利用联盟链将多个数据孤岛连接起来；在联盟链上以智能合约的形式发布联邦机器学习任务；通过智能合约API接口将寻影助手加入联邦机器学习；对寻影助手中各节点的医疗数据进行汇总更新。可选地，所述利用联盟链将多个数据孤岛连接起来包括：在所述多个数据孤岛中设置一一对应的多个分布式异步鉴别器；将所述多个分布式异步鉴别器和一个临时中心生成器组成对抗网络；通过所述临时中心生成器进行合成训练，生成与所述多个数据孤岛中的数据相近似的合成数据样本。可选地，所述对寻影助手中各节点的医疗数据进行汇总更新具体为：通过分布式更新模型参数算法对寻影助手中各节点的医疗数据进行汇总更新。可选地，所述寻影助手中设置有智能眼科OCT模块，所述智能眼科OCT模块具有OCT图像质量控制、AI病变筛查、AI病灶自动检测、OCT图像质量增强、AI辅助标注和多节点协同训练的功能。可选地，所述智能眼科OCT模块搭载在智联平台上。作为本专利技术的另一方面，提供的一种医疗数据共享装置，包括：连接模块，用于利用联盟链将多个数据孤岛连接起来；发布模块，用于在联盟链上以智能合约的形式发布联邦机器学习任务；加入模块，用于通过智能合约API接口将寻影助手加入联邦机器学习；更新模块，用于对寻影助手中各节点的医疗数据进行汇总更新。可选地，所述连接模块包括：设置单元，用于在所述多个数据孤岛中设置一一对应的多个分布式异步鉴别器；对抗单元，用于将所述多个分布式异步鉴别器和一个临时中心生成器组成对抗网络；训练单元，用于通过所述临时中心生成器进行合成训练，生成与所述多个数据孤岛中的数据相近似的合成数据样本。可选地，所述对寻影助手中各节点的医疗数据进行汇总更新具体为：通过分布式更新模型参数算法对寻影助手中各节点的医疗数据进行汇总更新。可选地，所述寻影助手中设置有智能眼科OCT模块，所述智能眼科OCT模块具有OCT图像质量控制、AI病变筛查、AI病灶自动检测、OCT图像质量增强、AI辅助标注和多节点协同训练的功能。可选地，所述智能眼科OCT模块搭载在智联平台上。本专利技术提出的一种医疗数据共享方法及装置，该方法包括：利用联盟链将多个数据孤岛连接起来；在联盟链上以智能合约的形式发布联邦机器学习任务；通过智能合约API接口将寻影助手加入联邦机器学习；对寻影助手中各节点的医疗数据进行汇总更新；通过区块链技术和联邦机器学习训练，实现了去中心化，解决了传统联邦学习依赖单一服务器的缺点。附图说明图1为本专利技术实施例一提供的一种医疗数据共享方法的流程图；图2为图1中步骤S10的方法流程图；图3为本专利技术实施例二提供的一种医疗数据共享装置的示范性结构框图；图4为本专利技术实施例二提供的一种连接模块的示范性结构框图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例一如图1所示，在本实施例中，一种医疗数据共享方法，包括：S10、利用联盟链将多个数据孤岛连接起来；S20、在联盟链上以智能合约的形式发布联邦机器学习任务；S30、通过智能合约API接口将寻影助手加入联邦机器学习；S40、对寻影助手中各节点的医疗数据进行汇总更新。在本实施例中，通过区块链技术和联邦机器学习训练，实现了医疗数据的去中心化，解决了传统联邦学习依赖单一服务器的缺点。在本实施例中，寻影助手中的智能眼科OCT模块配置了智能合约API接口，链上的节点可通过此接口加入联邦机器学习训练，区块链可在这样的迭代过程中不断储存各节点的更新记录，实现了去中心化，解决了传统联邦学习依赖单一服务器的缺点。系统每隔一段时间选取临时节点进行参数的汇总更新，并将结果反馈回节点以及辅助系统。如图2所示，在本实施例中，所述步骤S10包括：S11、在所述多个数据孤岛中设置一一对应的多个分布式异步鉴别器；S12、将所述多个分布式异步鉴别器和一个临时中心生成器组成对抗网络；S13、通过所述临时中心生成器进行合成训练，生成与所述多个数据孤岛中的数据相近似的合成数据样本。在本实施例中，在机器学习的模式上，智联平台引入了联邦机器学习，实现了多方协作训练，使得各企业机构在无需共享患者数据的情况下，针对共享模型开展协作，实现分散化的神经网络训练。当获取训练任务后，智联平台通过将位于多个数据孤岛的分布式异步鉴别器和一个临时的中心生成器组成对抗网络，让临时中心生成器在不接触原始隐私数据的情况下，也能进行合成训练，从而能够生成与各数据孤岛中原始数据相近似的合成数据样本，供下游任务使用。在此基础上，还采用了2种损失函数，使得临时中心生成器具备一定的终身学习能力，可以在动态变化的数据孤岛环境中持续学习，比如学习过程中有新的机构加入或某些原有机构退出的情况，并从不同的数据孤岛中渐进地学习到同类数据甚至不同类数据的近似分布。由于避免了对原始数据的直接访问，智联平台秉承了联邦学习的核心优势，很好地解决了医疗数据的隐私保护问题。不仅如此，相较于传统的联邦学习，由于在实现方法上“另辟蹊径”，智联平台还有效减少了临时中心生成器与数据孤岛之间本文档来自技高网...

【技术保护点】
1.一种医疗数据共享方法，其特征在于，包括：/n利用联盟链将多个数据孤岛连接起来；/n在联盟链上以智能合约的形式发布联邦机器学习任务；/n通过智能合约API接口将寻影助手加入联邦机器学习；/n对寻影助手中各节点的医疗数据进行汇总更新。/n

【技术特征摘要】
1.一种医疗数据共享方法，其特征在于，包括：
利用联盟链将多个数据孤岛连接起来；
在联盟链上以智能合约的形式发布联邦机器学习任务；
通过智能合约API接口将寻影助手加入联邦机器学习；
对寻影助手中各节点的医疗数据进行汇总更新。


2.根据权利要求1所述的一种医疗数据共享方法，其特征在于，所述利用联盟链将多个数据孤岛连接起来包括：
在所述多个数据孤岛中设置一一对应的多个分布式异步鉴别器；
将所述多个分布式异步鉴别器和一个临时中心生成器组成对抗网络；
通过所述临时中心生成器进行合成训练，生成与所述多个数据孤岛中的数据相近似的合成数据样本。


3.根据权利要求1所述的一种医疗数据共享方法，其特征在于，所述对寻影助手中各节点的医疗数据进行汇总更新具体为：
通过分布式更新模型参数算法对寻影助手中各节点的医疗数据进行汇总更新。


4.根据权利要求1所述的一种医疗数据共享方法，其特征在于，所述寻影助手中设置有智能眼科OCT模块，所述智能眼科OCT模块具有OCT图像质量控制、AI病变筛查、AI病灶自动检测、OCT图像质量增强、AI辅助标注和多节点协同训练的功能。


5.根据权利要求4所述的一种医疗数据共享方法，其特征在于，所述智能眼科OCT模块搭载在智联平台上。


6.一种医疗数据共享装置，...

【专利技术属性】
技术研发人员：罗凯文，赵建，林宏壤，相韶华，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：广东;44