[发明专利]基于联邦学习的疾病数据处理方法、装置、设备及介质在审

专利信息
申请号: 201910774155.3 申请日: 2019-08-21
公开(公告)号: CN110444263A 公开(公告)日: 2019-11-12
发明(设计)人: 鞠策;李丽萍;魏锡光;刘洋;刘筠璨;陈天健;吴文霞;李权;康焱 申请(专利权)人: 深圳前海微众银行股份有限公司
主分类号: G16H10/60 分类号: G16H10/60;G16H50/70;G06N3/04
代理公司: 深圳市世纪恒程知识产权代理事务所 44287 代理人: 杨雪梅
地址: 518000 广东省深圳市前海深港合作区前*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 病患 训练样本集 电子健康 疾病数据 特征向量 预测模型 数据处理 辅助作用 数据联合 特征提取 疾病 构建 记录 学习 隐私 泄露 数据库 诊断 医生
【权利要求书】:

1.一种基于联邦学习的疾病数据处理方法,其特征在于,所述基于联邦学习的疾病数据处理方法包括:

获取本地数据库中已确诊病患的电子健康记录和所患疾病数据;

对所述电子健康记录进行特征提取,得到各病患的患病特征向量;

根据各病患的所述患病特征向量和所述所患疾病数据构建本地训练样本集;

基于所述本地训练样本集参与各医院数据端的联邦学习,得到患病预测模型。

2.如权利要求1所述的基于联邦学习的疾病数据处理方法,其特征在于,所述电子健康记录中包括多项生理信息在多个时间点的记录值,所述对所述电子健康记录进行特征提取,得到各病患的患病特征向量的步骤包括:

对于每个病患的所述电子健康记录,对所述多项生理信息在多个时间点的记录值进行预设统计处理,得到多维统计量;

对所述多维统计量进行向量化处理,得到所述病患的病患特征向量。

3.如权利要求2所述的基于联邦学习的疾病数据处理方法,其特征在于,所述对所述多项生理信息在多个时间点的记录值进行预设统计处理的步骤包括:

将每项生理信息在多个时间点的记录值按照预设时间间隔进行分组,得到每项生理信息的记录值分组;

分别统计每组所述记录值分组的最大值、最小值、方差和平均值。

4.如权利要求1所述的基于联邦学习的疾病数据处理方法,其特征在于,所述基于所述本地训练样本集参与各医院数据端的联邦学习,得到患病预测模型的步骤包括:

从预设的服务端获取待训练模型的初始模型参数;

根据所述本地训练样本集和所述初始模型参数对所述待训练模型进行本地训练得到模型参数更新;

将所述模型参数更新上传至所述服务端,以供所述服务端将各医院数据端上传的所述模型参数更新进行聚合处理得到聚合模型参数,并在检测到所述待训练模型处于未收敛状态时将所述聚合模型参数返回各所述医院数据端继续迭代训练,直到检测到所述待训练模型处于收敛状态时,将所述聚合模型参数作为所述待训练模型的最终参数,得到患病预测模型,并将所述患病预测模型下发至各所述医院数据端;

接收所述服务端下发的所述患病预测模型。

5.如权利要求1至4任一项所述的基于联邦学习的疾病数据处理方法,其特征在于,所述基于所述本地训练样本集参与各医院数据端的联邦学习,得到患病预测模型的步骤之后,还包括:

获取目标用户的电子健康记录、病例文本;

将所述目标用户的电子健康记录输入所述患病预测模型,得到所述目标用户的患病概率;

将所述病例文本、所述患病概率和所述目标用户的电子健康记录输入预先训练得到的卷积神经网络,得到推荐诊断方案,以供医生作为诊断参考。

6.一种基于联邦学习的疾病数据处理装置,其特征在于,所述基于联邦学习的疾病数据处理装置包括:

获取模块,用于获取本地数据库中已确诊病患的电子健康记录和所患疾病数据;

提取模块,用于对所述电子健康记录进行特征提取,得到各病患的患病特征向量;

构建模块,用于根据各病患的所述患病特征向量和所述所患疾病数据构建本地训练样本集;

训练模块,用于基于所述本地训练样本集参与各医院数据端的联邦学习,得到患病预测模型。

7.如权利要求6所述的基于联邦学习的疾病数据处理装置,其特征在于,所述提取模块包括:

统计单元,用于对于每个病患的所述电子健康记录,对所述多个生理信息在多个时间点的记录值进行预设统计处理;

向量化处理单元,用于对所述多维统计量进行向量化处理,得到所述病患的病患特征向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳前海微众银行股份有限公司,未经深圳前海微众银行股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910774155.3/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top