使用深度学习网络的匿名和安全分类制造技术

使用深度学习网络的匿名和安全分类。机器学习分类器被用于更匿名的数据传送。诸如神经网络机器学习之类的深度学习导致具有多个不同的层的分类器。每个层处理在前的层的输出。当与对层的输入相比时，输出是不同的。通过本地应用层的子集，可以将得到的输出提供给云服务器用于应用到其余层。由于深度学习分类器的层的输出与输入不同，所以被传输到云服务器并且在云服务器处可用的信息比原始数据更匿名或与原始数据不同，云服务器还可以应用最近的机器学习分类器作为其余层。

Anonymity and security classification using a deep learning network

Use the anonymity and security classification of deep learning network. Machine learning classifier is used for more anonymous data transmission. Deep learning such as neural network machine learning leads to classifiers with multiple layers. The output of each layer is processed in the front layer. The output is different when compared with the input to the layer. Through the subset of the local application layer, the resulting output can be provided to the cloud server for the rest of the application. Because the output of the depth learning classifier is different from the input, it is transmitted to the cloud server and the information available at the cloud server is more anonymous or different than the original data, and the cloud server can also use the nearest machine learning classifier as the rest layer.

【技术实现步骤摘要】
使用深度学习网络的匿名和安全分类
技术介绍
本实施例涉及由远程服务器应用的机器学习。基于云的处理可以应用最近的机器学习方法和应用特征以提供快速和鲁棒的结果用于多种目的。例如，经由基于云的应用在社交联网站点上完成脸检测和标记。在关注诸如医学数据之类的隐私的情况下，由于服从规则（例如，如健康保险便利和责任法案（HIPPA）），相同的方法可能是有问题的。另外，在一些情况下，当处理个人照片时人们更喜欢隐私。如果在现场外完成处理，则军事应用也需要实质的安全性。最后，因为数据具有价值，所以尽管有优势，数据的所有者也可能不愿意在云中共享数据，而是可能代之以更喜欢仅本地运行应用。去除标识符（匿名化）并且加密数据用于传输和存储是一种用于允许基于私有云的应用的技术方案。数据的所有者必须在正确地处理、加密、删除和使用数据方面完全信任应用提供者。然而，加密和服务器可能被破坏，并且因此可能不提供对隐私的足够保护。即使利用匿名化，数据也可以被用于标识患者。在照片的情况下，如果数据被损害，则人可以被容易地标识。在形态学医学图像（morphologicalmedicalimage）中，可以通过形状特征来标识患者。为了避免本文档来自技高网...

【技术保护点】
一种用于在医学成像中的机器学习分类器的使用的方法，所述方法包括：用医学扫描器获取表示患者的扫描数据；用第一处理器通过深度学习网络的层的第一集合来处理所述扫描数据，所述深度学习网络包括层的所述第一集合和层的第二集合，层的所述第一集合包括两个或更多层；将层的所述第一集合的输出通过通信网络从所述第一处理器传输到第二处理器，所述输出与所述扫描数据不同并且对患者而言比所述扫描数据更匿名；用所述第二处理器通过所述深度学习网络的层的所述第二集合来处理层的所述第一集合的输出，层的所述第二集合的输出是所述扫描数据的分类；以及将对于患者的所述扫描数据的所述分类通过所述通信网络从所述第二处理器传输到所述第一处理器。

【技术特征摘要】
2016.11.04 US 15/3443211.一种用于在医学成像中的机器学习分类器的使用的方法，所述方法包括：用医学扫描器获取表示患者的扫描数据；用第一处理器通过深度学习网络的层的第一集合来处理所述扫描数据，所述深度学习网络包括层的所述第一集合和层的第二集合，层的所述第一集合包括两个或更多层；将层的所述第一集合的输出通过通信网络从所述第一处理器传输到第二处理器，所述输出与所述扫描数据不同并且对患者而言比所述扫描数据更匿名；用所述第二处理器通过所述深度学习网络的层的所述第二集合来处理层的所述第一集合的输出，层的所述第二集合的输出是所述扫描数据的分类；以及将对于患者的所述扫描数据的所述分类通过所述通信网络从所述第二处理器传输到所述第一处理器。2.如权利要求1所述的方法，其中获取扫描数据包括获取所述扫描数据作为计算断层摄影术、磁共振、超声、正电子发射断层摄影术或单光子发射计算断层摄影术数据。3.如权利要求1所述的方法，其中处理所述扫描数据包括用深度学习网络处理，所述深度学习网络是从具有已知分类的其他患者的扫描的训练数据学习的神经网络。4.如权利要求1所述的方法，其中处理所述扫描数据包括用包括卷积层、最大池化层或所述卷积层和所述最大池化层两者的层的所述第一集合处理；以及其中，处理所述输出包括用包括完全连接层、上卷积层或所述完全连接层和所述上卷积层两者的层的所述第二集合处理。5.如权利要求1所述的方法，其中处理所述扫描数据包括将所述扫描数据输入到层的所述第一集合的第一层，并且将所述第一层的输出输入到层的所述第一集合的第二层。6.如权利要求1所述的方法，其中传输所述输出包括相对于所述扫描数据传输所述输出作为抽象，并且其中传输所述分类包括传输所述分类作为解剖的标识、病变的标识、如良性的或恶性的标识或分期。7.如权利要求1所述的方法，其中传输所述输出包括从在具有所述医学扫描器的设施中的所述第一处理器传输到所述第二处理器，所述第二处理器包括云服务器。8.如权利要求1所述的方法，其中处理所述输出包括用在层的所述第二集合中的两个或更多层来处理。9.如权利要求1所述的方法，进一步包括：将层的所述第一集合的参数存储为加密的。10.如权利要求1所述的方法，进一步包括：对所述输出进行加密，其中传输所述输出包括将所述输出传输为加密的；以及在处理所述输出之前，由所述第二处理器对作为加密的所述输出进行解密。11.如权利要求1所述的方法，进一步包...

【专利技术属性】
技术研发人员：AP基拉利，P加尔，
申请(专利权)人：西门子保健有限责任公司，
类型：发明
国别省市：德国,DE