医疗风险评估方法、装置、电子设备和计算机可读存储介质制造方法及图纸

本公开提供一种医疗风险评估方法、装置、电子设备和计算机可读存储介质，涉及医疗健康服务技术领域，方法包括：根据参与节点中的医疗数据对参与节点中的网络模型进行训练，获得参与节点对应的医疗风险评估器，不同参与节点中的医疗数据相互独立，不同参与节点中的网络模型相同；将对应的医疗风险评估器中的医疗风险评估系数上传至中心节点，以便中心节点对多个参与节点上传的医疗风险评估系数进行聚合以获得医疗风险评估参数；从中心节点接收医疗风险评估参数，以便根据医疗风险评估参数进行医疗风险评估。本公开可以通过联邦学习方法，在保护各个参与节点中的医疗数据隐私的同时，使用各个参与节点中的医疗数据进行风险评估，如糖尿病风险评估。如糖尿病风险评估。如糖尿病风险评估。

【技术实现步骤摘要】
医疗风险评估方法、装置、电子设备和计算机可读存储介质


[0001]本公开涉及医疗健康服务
，尤其涉及一种医疗风险评估方法及装置、电子设备和计算机可读存储介质。

技术介绍

[0002]随着医疗电子水平的发展和提高，用户侧设备上的医疗信息电子化越来越普及。其中，医疗信息电子化可以将医生的诊断记录和患者的健康数据在用户侧本地设备上保存完好，为建立疾病预测提供了数据支持。
[0003]同时，我国慢性病患者人数在不断上升，其中糖尿病及其相关的并发疾病占据比较高比例，所以建立医疗风险评估模型是大家迫切的需要，通过医疗风险评估模型可以很好的对普通人的身体健康进行风险的估量，从而发现潜在的危险人群，进一步对疾病的发病进行预警和提前预防，对可能影响疾病的因子及早控制。
[0004]那么如何安全的利用用户侧设备上的医疗数据，对医疗风险进行评估是医疗领域中十分重要的事情。
[0005]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解。

技术实现思路

[0006]本公开的目的在于提供一种医疗风险评估方法、装置、电子设备以及计算机可读存储介质，安全的利用用户侧设备上的医疗数据，对医疗风险进行评估。
[0007]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0008]本公开实施例提供了一种医疗风险评估方法，包括：参与节点根据所述参与节点中的医疗数据对所述参与节点中的网络模型进行训练，获得所述参与节点对应的医疗风险评估器，其中不同参与节点中的医疗数据相互独立，不同参与节点中的网络模型相同；所述参与节点将对应的医疗风险评估器中的医疗风险评估系数上传至中心节点，以便所述中心节点对多个参与节点上传的医疗风险评估系数进行聚合以获得医疗风险评估参数；所述参与节点从所述中心节点接收所述医疗风险评估参数，以便所述参与节点根据所述医疗风险评估参数进行医疗风险评估。
[0009]在一些实施例中，参与节点根据所述参与节点中的医疗数据对所述参与节点中的网络模型进行训练，获得所述参与节点对应的医疗风险评估器，包括：对所述参与节点中的医疗数据进行重抽样，以获得多个医疗数据训练样本组；通过所述多个医疗数据训练样本组对所述网络模型进行训练，获得多个医疗风险弱评估器；对所述多个医疗风险弱评估器进行聚合处理，以获得所述参与节点对应的医疗风险评估器。
[0010]在一些实施例中，所述参与节点中的每个医疗数据均有对应的权重；其中，对所述多个医疗风险弱评估器进行聚合处理，以获得所述参与节点对应的医疗风险评估器，包括：
根据所述参与节点中的医疗数据以及所述医疗数据对应的权重，分别确定各个医疗风险弱评估器的加权分类错误率；在所述多个医疗风险弱评估器中，确定加权分类错误率最低的第一医疗风险弱评估器；根据所述第一医疗风险弱评估器的加权分类错误率，确定所述第一医疗风险弱评估器的聚合系数，其中加权分类错误率越低所述聚合系数越大、加权分类错误率越高所述聚合系数越小；根据所述第一医疗风险弱评估器和所述第一医疗风险弱评估器的聚合系数，确定第一医疗风险候选评估器；如果所述第一医疗风险候选评估器的风险评估误差小于或者等于目标阈值，则确定所述第一医疗风险候选评估器为所述参与节点对应的医疗风险评估器。
[0011]在一些实施例中，所述方法还包括：如果所述第一医疗风险候选评估器的风险评估误差大于所述目标阈值，则根据所述第一医疗风险弱评估器、所述第一医疗风险弱评估器的聚合系数、各个医疗数据的风险评估结果以及各个医疗数据对应的风险标签，更新所述参与节点中各个医疗数据对应的权重，以使得风险评估正确的医疗数据的权重降低、风险评估错误的医疗数据的权重提高；根据权重更新后的医疗数据对所述多个医疗风险弱评估器进行聚合处理，以获得第二医疗风险弱评估器以及所述第二医疗风险弱评估器对应的聚合系数，以便根据所述第一医疗风险弱评估器、所述第一医疗风险弱评估器的聚合系数、所述第二医疗风险弱评估器和所述第二医疗风险弱评估器的聚合系数，确定所述参与节点对应的医疗风险评估器。
[0012]在一些实施例中，根据权重更新后的医疗数据对所述多个医疗风险弱评估器进行聚合处理，以获得第二医疗风险弱评估器以及所述第二医疗风险弱评估器对应的聚合系数，包括：根据权重更新后的医疗数据更新各个医疗风险弱评估器的加权分类错误率；在所述多个医疗风险弱评估器中确定加权分类错误率最低的第二医疗风险弱评估器；根据所述第二医疗风险弱评估器的加权分类错误率，确定所述第二医疗风险弱评估器的聚合系数，其中加权分类错误率越低所述聚合系数越大、加权分类错误率越高所述聚合系数越小；根据所述第一医疗风险弱评估器、所述第一医疗风险弱评估器的聚合系数、所述第二医疗风险弱评估器和所述第二医疗风险弱评估器的聚合系数，确定第二医疗风险候选评估器；如果所述第二医疗风险候选评估器的风险评估误差小于或者等于所述目标阈值，则确定所述第二医疗风险候选评估器为所述参与节点对应的医疗风险评估器；如果所述第二医疗风险候选评估器的风险评估误差大于所述目标阈值，则根据所述第二医疗风险弱评估器的聚合系数、所述各个医疗数据的风险评估结果以及各个医疗数据对应的风险标签，更新各个医疗数据对应的权重，以便根据权重更新后的医疗数据确定所述参与节点对应的医疗风险评估器。
[0013]本公开实施例提供了一种医疗风险预测方法，包括：中心节点从多个参与节点获取医疗风险评估系数，其中所述医疗风险评估系数是对应参与节点根据节点中的医疗数据对网络模型进行训练后获得的，其中不同参与节点中的医疗数据相互独立，不同参与节点中的网络模型相同；所述中心节点对各个参与节点对应的医疗风险评估系数进行参数聚合处理，获得医疗风险评估参数；所述中心节点将所述医疗风险评估参数分别下发给各个参与节点，以便所述各个参与节点根据所述医疗风险评估参数进行医疗风险评估。
[0014]在一些实施例中，所述中心节点对各个参与节点对应的医疗风险评估参数进行参数聚合处理，获得医疗风险评估参数，包括：所述中心节点对所述各个参与节点对应的医疗
风险评估参数进行平均处理，获得所述医疗风险评估参数。
[0015]本公开实施例提供了一种医疗风险评估装置，设置于参与节点中，包括：训练模块、参数上传模块和参数接收模块。
[0016]其中，所述训练模块用于根据所述参与节点中的医疗数据对所述参与节点中的网络模型进行训练，获得所述参与节点对应的医疗风险评估器，其中不同参与节点中的医疗数据相互独立，不同参与节点中的网络模型相同；所述参数上传模块可以用于将对应的医疗风险评估器中的医疗风险评估系数上传至中心节点，以便所述中心节点对多个参与节点上传的医疗风险评估系数进行聚合以获得医疗风险评估参数；参数接收模块，用于从所述中心节点接收所述医疗风险评估参数，以便所述参与节点根据所述医疗风险评估参数进行医疗风险评估。
[0017]本公开实施例提出一种电子设备，该电子设备包括：存储器和处理器；所述存储器用于存储程序指令；所述处理器调用所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医疗风险评估方法，其特征在于，所述方法包括：参与节点根据所述参与节点中的医疗数据对所述参与节点中的网络模型进行训练，获得所述参与节点对应的医疗风险评估器，其中不同参与节点中的医疗数据相互独立，不同参与节点中的网络模型相同；所述参与节点将对应的医疗风险评估器中的医疗风险评估系数上传至中心节点，以便所述中心节点对多个参与节点上传的医疗风险评估系数进行聚合以获得医疗风险评估参数；所述参与节点从所述中心节点接收所述医疗风险评估参数，以便所述参与节点根据所述医疗风险评估参数进行医疗风险评估。2.根据权利要求1所述方法，其特征在于，参与节点根据所述参与节点中的医疗数据对所述参与节点中的网络模型进行训练，获得所述参与节点对应的医疗风险评估器，包括：对所述参与节点中的医疗数据进行重抽样，以获得多个医疗数据训练样本组；通过所述多个医疗数据训练样本组对所述网络模型进行训练，获得多个医疗风险弱评估器；对所述多个医疗风险弱评估器进行聚合处理，以获得所述参与节点对应的医疗风险评估器。3.根据权利要求2所述方法，其特征在于，所述参与节点中的每个医疗数据均有对应的权重；其中，对所述多个医疗风险弱评估器进行聚合处理，以获得所述参与节点对应的医疗风险评估器，包括：根据所述参与节点中的医疗数据以及所述医疗数据对应的权重，分别确定各个医疗风险弱评估器的加权分类错误率；在所述多个医疗风险弱评估器中，确定加权分类错误率最低的第一医疗风险弱评估器；根据所述第一医疗风险弱评估器的加权分类错误率，确定所述第一医疗风险弱评估器的聚合系数，其中加权分类错误率越低所述聚合系数越大、加权分类错误率越高所述聚合系数越小；根据所述第一医疗风险弱评估器和所述第一医疗风险弱评估器的聚合系数，确定第一医疗风险候选评估器；如果所述第一医疗风险候选评估器的风险评估误差小于或者等于目标阈值，则确定所述第一医疗风险候选评估器为所述参与节点对应的医疗风险评估器。4.根据权利要求3所述方法，其特征在于，所述方法还包括：如果所述第一医疗风险候选评估器的风险评估误差大于所述目标阈值，则根据所述第一医疗风险弱评估器、所述第一医疗风险弱评估器的聚合系数、各个医疗数据的风险评估结果以及各个医疗数据对应的风险标签，更新所述参与节点中各个医疗数据对应的权重，以使得风险评估正确的医疗数据的权重降低、风险评估错误的医疗数据的权重提高；根据权重更新后的医疗数据对所述多个医疗风险弱评估器进行聚合处理，以获得第二医疗风险弱评估器以及所述第二医疗风险弱评估器对应的聚合系数，以便根据所述第一医疗风险弱评估器、所述第一医疗风险弱评估器的聚合系数、所述第二医疗风险弱评估器和所述第二医疗风险弱评估器的聚合系数，确定所述参与节点对应的医疗风险评估器。
5.根据权利要求4所述方法，其特征在于，根据权重更新后的医疗数据对所述多个医疗风险弱评估器进行聚合处理，以获得第二医疗风险弱评估器以及所述第二医疗风险弱评估器对应的聚合系数，包括：根据权重更新后的医疗数据更新各个医疗风险弱评估器的加权分类错误率；在所述多个医疗风险弱评估器中确定加权分类错误率最低的第二医疗风险弱评估器；根据所述第二医疗风险弱评估器的加权分类错误率，确定所述第二医疗风险弱评估器的聚合系数，其中加权分类错误率越低所述聚合系数越大、加权分类错误率越高所述聚合系数越小；根据所述第一医疗风险弱评估器、所述第一医疗风险弱评估器的聚合系数、所述第二医疗风险弱评估器和所述第二医疗风险弱评估器的聚合系数，确定第二医疗风险候选评估器；如果所述第二医疗风险候选评估器的风险评估误差小于或者等于所述目标阈值，则确定所述第二医疗风险候选评估器为所述参与节点对应的医疗风险评估器；如果所述第二医疗风险候选评估器的风险评估误差大于所述目标阈值，则根据所述第二医疗风险弱评估器的聚合系数、所述各个医疗数据的风险评估结果以及各个医疗数据对应的风险标签，更新各个医疗数据对应的权重，以便根据权重更新后的医疗数据确定所述参与节点对应的医疗风险评估器。6.一种医疗风险预测方法，其特征在于，包括：中心节点从多个参与节点获取医疗风险评估系数，其中所述医疗风险评估系数是对应参与节点根据节点中的医疗数据对网络模型进行训练后获得的，其中不同参与节点中的医疗数据相互独立，不同参与节点中的网络模型相同；所述中心节点对各个参与节点对应的医疗风险评估系数进行参数聚合处理，获得医疗风险评估参数；所述中心节点将所述医疗风险评估参数分别下发给各个参与节点，以便所述各个参与节点根据所述医疗风险评估参数进行医疗风险评估。7.根据权利要求6所述方法，其特征在于，所述中心节点对各个参与节点对应的医疗风险评估系数进行参数聚合处理，获得医疗风险评估参数医疗风险评估参数，包括：所述中心节点对所述各个参与节点对应的医疗风险评估系数进行平均处理，获得所述医疗风险评估参数。8.一种医疗风险评估装置，其特征在于，设置于参与节点中，包括：训练模块，用于根据所述参与节点中的医疗数据对所述参与节点中的网络模型进行训练，获得所述参与节点对应的医疗风险评估器，其中不同参与节点中的医疗数据相互独立，不同参与节点中的网络模型相同；参数上传模块，用于将对应的医疗风险评估器中的医疗风险评估系数上传至中心节点，以便所述中心节点对多个参与节点上传的医疗风险评...

【专利技术属性】
技术研发人员：王丹凤，
申请(专利权)人：北京京东拓先科技有限公司，
类型：发明
国别省市：