[发明专利]基于联邦学习多中心首发精神分裂症患者的识别方法、装置及系统在审
| 申请号： | 202210620851.0 | 申请日： | 2022-06-02 |
| 公开（公告）号： | CN115120238A | 公开（公告）日： | 2022-09-30 |
| 发明（设计）人： | 李文梅;余诺亚;袁媛;闫伟 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | A61B5/16 | 分类号： | A61B5/16;A61B5/055;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08;G06N20/00 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 刘艳艳 |
| 地址： | 210012 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 联邦 学习 中心 首发 精神分裂症 患者 识别 方法 装置 系统 | ||
1.一种多中心首发精神分裂症患者的识别系统，其特征在于，包括：
联邦学习服务端，被配置为：构建初始3D卷积神经网络模型，并发送给各联邦学习客户端；以及
获取从多个联邦学习客户端接收的局部更新后的模型参数，对模型参数进行优化，得到优化后的模型参数，并发送给各个联邦学习客户端；
多个联邦学习客户端，被配置为：
获取从联邦学习服务端接收的初始3D卷积神经网络模型；
获取脑部T1图像数据，其中所述脑部T1图像数据包括待检测的和带标签的脑部T1图像数据，其中所述标签包括首发精神分裂症患者和正常人群；
对脑部T1图像数据进行预处理，得到预处理后的带标签的脑部T1图像数据、待检测的脑部T1图像数据；
将预处理后的带标签的脑部T1图像数据作为训练数据集输入待训练的3D卷积神经网络模型进行训练，得到局部更新后的模型参数，并上传给联邦学习服务端；
获取从联邦学习服务端接收的优化后的模型参数，更新得到训练好的3D卷积神经网络模型；
将预处理后的待检测的脑部T1图像数据输入训练好的3D卷积神经网络模型，根据所述3D卷积神经网络模型的输出，得到是否为首发精神分裂症患者的识别结果。
2.一种多中心首发精神分裂症患者的识别方法，其特征在于，包括：
获取从联邦学习服务端接收的初始3D卷积神经网络模型；
获取脑部T1图像数据，其中所述脑部T1图像数据包括待检测的和带标签的脑部T1图像数据，其中所述标签包括首发精神分裂症患者和正常人群；
对脑部T1图像数据进行预处理，得到预处理后的带标签的脑部T1图像数据、待检测的脑部T1图像数据；
将预处理后的带标签的脑部T1图像数据作为训练数据集输入待训练的3D卷积神经网络模型进行训练，得到局部更新后的模型参数，并上传给联邦学习服务端；
获取从多个联邦学习客户端接收的局部更新后的模型参数，对模型参数进行优化，得到优化后的模型参数，并发送给各个联邦学习客户端；
获取从联邦学习服务端接收的优化后的模型参数，更新得到训练好的3D卷积神经网络模型；
将预处理后的待检测的脑部T1图像数据输入训练好的3D卷积神经网络模型，根据所述3D卷积神经网络模型的输出，得到是否为首发精神分裂症患者的识别结果。
3.根据权利要求1所述的多中心首发精神分裂症患者的识别方法，其特征在于，对脑部T1图像数据进行预处理，包括：
对脑部T1图像数据进行头动校正、颅骨剥离、图像配准和空间标准化。
4.根据权利要求3所述的多中心首发精神分裂症患者的识别方法，其特征在于，所述预处理，进一步还包括将T1图像的强度归一化到统一的样本空间，图像对应的整型标签转换为onehot标签。
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南京邮电大学，未经南京邮电大学许可，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/202210620851.0/1.html，转载请声明来源钻瓜专利网。
