[发明专利]分布式医学影像诊断模型训练方法、装置、设备及介质

说明书

本发明涉及人工智能技术领域，尤其涉及一种分布式医学影像诊断模型训练方法、装置、设备及介质，本发明获取N个医学影像和对应的目标区域勾画数据，在第i个医学影像中确定Mi个目标区域；对每个医学影像目标区域提取医学影像组学特征，对每个医学影像组学特征进行特征筛选和特征降维，得到医学影像组学特征训练集；将医学影像组学特征训练集输入至初始医学影像诊断模型，对初始医学影像诊断模型进行训练，得到目标医学影像诊断模型；检测目标医学影像诊断模型的性能，当性能满足预设条件，则将目标医学影像诊断模型的参数发送至中心服务端，以更新目标医学影像诊断模型，本发明有效的提高了客户端诊断模型的训练效率。

技术领域

本发明涉及人工智能技术领域，特别涉及一种分布式医学影像诊断模型训练方法、装置、设备及介质。

背景技术

联邦学习作为一种新的机器学习范式，它可以在保持数据隐私的同时产生无偏见的模型。在每一轮训练中，选择客户端（例如，企业、医院或移动设备）使用本地数据训练模型，并将本地模型更新发送到中央服务器进行聚合，而不传输任何本地原始数据。联邦学习无需上传本地数据，可以有效保护数据隐私；然而，训练深度学习模型往往需要大量的算力，对客户端硬件资源要求较高；在没有配置显卡（GPU）的设备上，只能依赖于中央处理器（CPU）进行运算，训练时间较长。

目前，在医学影像诊断领域，多中心医学影像联合建模中，对本地客户端训练主要采用医学影像训练集对诊断模型训练，该方法对客户端硬件资源要求较高，联邦机器学习速度较慢，诊断模型训练效率低。

发明内容

基于此，有必要针对上述技术问题，提供一种分布式医学影像诊断模型训练方法、装置、设备及介质，以解决现有技术采用医学影像训练集对诊断模型训练，联邦机器学习速度较慢，诊断模型训练效率低的问题。

第一方面，本发明实施例提供一种分布式医学影像诊断模型训练方法，所述分布式医学影像诊断模型训练方法包括：

获取N个医学影像和对应的医学影像目标区域勾画数据，N＞1，根据所述医学影像和所述医学影像目标区域勾画数据，在第i个所述医学影像中确定Mi个目标区域，1＜i≤N，Mi≥1；

对每个所述医学影像的Mi个目标区域提取医学影像组学特征，对每个所述医学影像组学特征进行特征筛选和特征降维，得到医学影像组学特征训练集；

将所述医学影像组学特征训练集输入至初始医学影像诊断模型，对所述初始医学影像诊断模型进行训练，得到目标医学影像诊断模型；

检测所述目标医学影像诊断模型的性能值，当所述性能值满足预设条件，则将所述目标医学影像诊断模型的参数发送至中心服务端，以更新所述目标医学影像诊断模型。

第二方面，本发明实施例提供一种分布式医学影像诊断模型训练装置，所述分布式医学影像诊断模型训练装置包括：

目标区域确定模块，用于获取N个医学影像和对应的医学影像目标区域勾画数据，N＞1，根据所述医学影像和所述医学影像目标区域勾画数据，在第i个所述医学影像中确定Mi个目标区域，1＜i≤N，Mi≥1；

训练集生成模块，用于对每个所述医学影像目标区域提取医学影像组学特征，对每个所述医学影像组学特征进行特征筛选和特征降维，得到医学影像组学特征训练集；

模型训练模块，用于将所述医学影像组学特征训练集输入至初始医学影像诊断模型，对所述初始医学影像诊断模型进行训练，得到目标医学影像诊断模型；

模型更新模块，用于检测所述目标医学影像诊断模型的性能，当所述性能满足预设条件，则将所述目标医学影像诊断模型的参数发送至中心服务端，以更新所述目标医学影像诊断模型。

第三方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的分布式医学影像诊断模型训练方法。