[发明专利]一种基于联邦学习的CT图像检测方法及相关装置

权利要求书

1.一种基于联邦学习的CT图像检测方法，其特征在于，包括：

第一设备基于第一数据对第一模型进行训练，获得训练好的第一模型和第一模型参数，所述第一设备为多个第一设备中的任意一个，所述第一数据包括所述第一设备中的第一类CT图像，所述第一类CT图像为在所述第一设备中未与其他第一设备共享的CT图像，所述第一模型参数包括梯度值；

所述第一设备将所述第一模型参数发送至第二设备；

所述第一设备接收所述第二设备发送的第一平均值和第二平均值，所述第一平均值和所述第二平均值为基于所述多个第一设备分别对应的第一模型参数确定的，所述第一平均值用于代替所述第一模型参数中正值梯度值，所述第二平均值用于代替所述第一模型参数中负值梯度值；

所述第一设备根据所述第一平均值和所述第二平均值按预设规则更新所述第一模型参数后，基于所述第一类CT图像对所述第一模型重新训练，获得训练好的第二模型和第二模型参数；

所述第一设备基于所述第二模型标记输入的CT图像的异常区域。

2.根据权利要求1所述方法，其特征在于，所述方法还包括：

所述第一设备接收并更新所述第二设备发送的第三模型和训练好的第三模型参数，所述第三模型为所述第二设备根据所述第一模型获得的，所述训练好的第三模型参数为所述第二设备基于所述多个第一设备分别对应的第一类CT图像和第二类CT图像，对所述第三模型进行训练获得的，所述第二类CT图像为在所述多个第一设备之间共享的CT图像；

所述第一设备根据所述第三模型，基于所述第一类的CT图像进行训练，获得训练好的所述第三模型的模型参数；

所述第一设备将所述训练好的所述第三模型的模型参数发送至所述第二设备中。

3.根据权利要求2所述方法，其特征在于，所述方法还包括：

所述第一设备接收并更新所述第二设备发送的第四模型和第四模型参数，所述第四模型为所述第二设备根据所述第三模型获得的；

所述第一设备基于所述第四模型对输入的CT图像进行分类并标记所述输入的CT图像的异常区域。

4.一种基于联邦学习的CT图像检测方法，其特征在于，包括：

第二设备接收多个第一设备分别发送的第一模型参数，所述第一模型参数包括梯度值；

所述第二设备将接收到的梯度值按照预设贡献度规则进行排序；

所述第二设备分别计算排序后的前k％的所述梯度值的第一平均值和后k％的所述梯度值的第二平均值，所述第一平均值用于代替所述多个第一设备对应的所述第一模型参数中正值梯度值更新，所述第二平均值用于代替所述多个第一设备对应的所述第一模型参数中负值梯度值更新，k为预设常数；

所述第二设备将所述第一平均值和所述第二平均值分别发送至所述多个第一设备。

5.根据权利要求4所述方法，其特征在于，所述方法还包括：

若所述第一平均值大于或等于所述第二平均值，所述第二设备将所有的负值梯度值更新为0，正值梯度值更新为所述第一平均值；

若所述第一平均值小于所述第二平均值，所述第二设备将所有的正值梯度值更新为0，负值梯度值更新为所述第二平均值。