[发明专利]一种基于联邦学习的疾病筛查方法有效
| 申请号： | 202110641862.2 | 申请日： | 2021-06-09 |
| 公开（公告）号： | CN113435607B | 公开（公告）日： | 2023-08-29 |
| 发明（设计）人： | 马学彬;孙文惠 | 申请（专利权）人： | 内蒙古大学 |
| 主分类号： | G06N20/20 | 分类号： | G06N20/20;G06N3/0464;G06N3/08;G16H50/70 |
| 代理公司： | 深圳紫晴专利代理事务所(普通合伙) 44646 | 代理人： | 付钦伟 |
| 地址： | 010020 内蒙古自治区呼*** | 国省代码： | 内蒙古;15 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 联邦 学习 疾病 方法 | ||
【权利要求书】：
1.一种基于联邦学习的疾病筛查方法，其特征在于；包括如下步骤：
1）服务器组建共享数据集，将初始模型下发至参与训练客户端；
2）当客户端运行第一个epoch时，利用无监督学习训练得出带有标记的mask以及带有标记的训练集对U-Net++模型进行预训练；所有的训练集经过预训练之后的U-Net++模型，得出所有训练集的mask；所有训练集的mask、训练集以及标签共同进入判断模型DeCoVNet，对训练集进行训练；所有测试集的mask以及测试集进入判断模型DeCoVNet进行测试；计算本地精度，并上传服务器；
3）服务器收集参与训练的客户端的精度并求出精度均值；
4）运行第二个epoch前，若某个客户端的精度小于精度均值，则下发m条数据至客户端，其公式如下：m=i×n，其中i=(accavg-acci)/(accavg-accmin)，n为共享数据集大小，且其下发数据集不得大于其客户端本身数据量；
5）从第二个epoch以后，拥有下发共享数据集的客户端将共享数据集与自身数据集一同训练模型，直至整体模型收敛。
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内蒙古大学，未经内蒙古大学许可，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/202110641862.2/1.html，转载请声明来源钻瓜专利网。
