团体标准网
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211188918.4 (22)申请日 2022.09.27 (71)申请人 杭州医康慧联科技股份有限公司 地址 310057 浙江省杭州市滨江区浦沿街 道东信大道6 6号三号楼501室 (72)发明人 林博 王德健 章贵英 董科雄  王慧东  (74)专利代理 机构 杭州合信专利代理事务所 (普通合伙) 33337 专利代理师 沈自军 (51)Int.Cl. G16H 50/20(2018.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01)G06F 21/60(2013.01) G06F 21/62(2013.01) (54)发明名称 基于联邦学习的急性心梗数据处理方法和 数据处理系统 (57)摘要 本申请公开了一种基于联邦学习的急性心 梗数据处理方法和数据处理系统, 急性心梗数据 处理方法实施于中心服务器以及多个参与方之 间, 所述急性心梗数据处理方法包括: 所有参与 方依据本地数据集建立本地模型, 所述本地数据 集根据急性心梗相关的生化指标数据获得; 对于 任意一个参与方Hu, 利用秘密随机 数suv对自身的 本地模型参数xu进行加密, 获得加密后的本地模 型参数 其中suv为参与方Hu与其他各个参与 方Hv的协商秘钥, u、 v均为参与方编号, n为参与 方的所有可选编号; 各参与方将加密后的本地模 型参数 上传至中心服务器, 供所述中心服务 器聚合后获得全局模型。 权利要求书2页 说明书7页 附图4页 CN 115527669 A 2022.12.27 CN 115527669 A 1.基于联邦学习的急性心梗数据处理方法, 实施于中心服务器以及多个参与方之间, 其特征在于, 所述急性心梗数据处 理方法包括: 所有参与 方依据本地数据集建立本地模型, 所述本地数据集根据急性心梗相关的生化 指标数据获得; 对于任意一个参与方Hu, 利用秘密随机数suv对自身的本地模型参数xu进行加密, 获得加 密后的本地模型参数 其中suv为参与方Hu 与其他各个参与方Hv的协商秘钥, u、 v均为 参与方编号, n 为参与方的所有可选编号; 各参与方将加密后的本地模型参数 上传至中心服务器, 供所述中心服务器聚合后获 得全局模型。 2.根据权利要求1所述的基于联邦学习的急性心梗数据处理方法, 其特征在于, 所述生 化指标数据为影响急性心梗的因素, 在建立本地模型之前还包括对所述生化指标数据进 行 预处理, 所述预处 理包括对缺失的生 化指标数据进行平均数填充。 3.根据权利要求2所述的基于联邦学习的急性心梗数据处理方法, 其特征在于, 所述预 处理包括对生 化指标数据进行归一 化处理。 4.根据权利要求1所述的基于联邦学习的急性心梗数据处理方法, 其特征在于, 所述全 局模型包括全连接层、 隐藏层和输出层, 所述隐藏层的激活函数为 ReLU, 所述输出层的激活 函数为sigmod函数。 5.根据权利要求1所述的基于联邦学习的急性心梗数据处理方法, 其特征在于, 所述急 性心梗数据处 理方法还 包括: 不断迭代更新所述全局模型, 当所述全局模型收敛、 或当迭代次数达到指定次数时得 到最终全局模型。 6.基于联邦学习的急性心梗数据处理系统, 包括中心服务器以及多个参与方之间, 其 特征在于, 各参与方均具有存储器和处理器, 所述存储器存储有计算机程序, 所述处理器执 行所述计算机程序时实现以下步骤: 依据本地数据集建立本地模型, 所述本地数据集根据急性心梗相关的生化指标数据获 得; 对于任意一个参与方Hu, 利用秘密随机数suv对自身的本地模型参数xu进行加密, 获得加 密后的本地模型参 数 其中suv为参与方Hu 与其他各个参与方Hv的协商秘钥, u、 v均为 参与方编号, n 为参与方的所有可选编号; 将加密后的本地模型参数 上传至中心服务器, 供所述中心服务器聚合后获得全局模 型。 7.根据权利要求6所述的基于联邦学习的急性心梗数据处理系统, 其特征在于, 所述生 化指标数据为影响急性心梗的因素, 在建立本地模型之前还包括对所述生化指标数据进 行 预处理,权 利 要 求 书 1/2 页 2 CN 115527669 A 2所述预处 理包括对缺失的生 化指标数据进行平均数填充。 8.根据权利要求7所述的基于联邦学习的急性心梗数据处理系统, 其特征在于, 所述预 处理包括对生 化指标数据进行归一 化处理。 9.根据权利要求6所述的基于联邦学习的急性心梗数据处理系统, 其特征在于, 所述全 局模型包括全连接层、 隐藏层和输出层, 所述隐藏层的激活函数为 ReLU, 所述输出层的激活 函数为sigmod函数。 10.根据权利要求6所述的基于联邦学习的急性心梗数据处理系统, 其特征在于, 所述 急性心梗数据处 理方法还 包括: 不断迭代更新所述全局模型, 当所述全局模型收敛、 或当迭代次数达到指定次数时得 到最终全局模型。权 利 要 求 书 2/2 页 3 CN 115527669 A 3

.PDF文档 专利 基于联邦学习的急性心梗数据处理方法和数据处理系统

文档预览
中文文档 14 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共14页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 基于联邦学习的急性心梗数据处理方法和数据处理系统 第 1 页 专利 基于联邦学习的急性心梗数据处理方法和数据处理系统 第 2 页 专利 基于联邦学习的急性心梗数据处理方法和数据处理系统 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 02:14:32上传分享
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。