一种基于区块链的神经网络多端融合训练方法技术

本发明专利技术涉及人工智能和区块链领域，具体涉及一种基于区块链的神经网络多端融合训练方法。包括共享各医院的网络及其准确率，使最高准确率对应的医院产生新区块并连接在区块链上，奖励该医院；各医院重新训练区块链中的网络，迭代上述操作得到多组融合区块；得到每组融合区块的准确率变化序列并对各医院进行分类，获取网络的融合策略；求出新的网络参数，重复奖励医院的步骤；保持网络融合策略不变生成融合区块，迭代以上步骤直至网络收敛。本发明专利技术将各医院的网络参数进行融合后重新训练,根据融合后的网络中各医院的表征能力及不同医院之间的特征差异，获得网络融合策略。通过不断改变融合策略，得到能准确提取所有医院数据特征的网络。征的网络。征的网络。

【技术实现步骤摘要】
一种基于区块链的神经网络多端融合训练方法


[0001]本专利技术涉及人工智能及区块链领域，具体涉及一种基于区块链的神经网络多端融合训练方法。

技术介绍

[0002]随着医疗技术与人工智能技术的发展，各医院纷纷利用先进的医疗设备来诊断疾病，将病人的病情以图像数据的方式可视化出来，辅助医师更加快速准确的诊断出病情和确定治疗方案。最常用的技术是利用DNN网络分割医疗图像数据，获得图像上器官的病灶区域，或者利用DNN网络对医疗图像分类。由于不同医院的医疗图像数据涉及到病人隐私问题，不能共享，再加上医疗图像数据标注困难，需要专业人员进行标注，导致各医院可用于神经网络训练的数据集规模不会太大，使得各医院训练的网络不能都具有较高的准确率。
[0003]为了充分利用各医院的数据集，获得一个准确的网络，需要将各医院训练的网络的参数进行融合，正如联邦学习的思想一样，但是由于各医院数据的数据不能共享，导致不能在训练网络之前对训练集的进行数据筛选和数据清洗，导致不同医院的医疗图像数据的特征分布不一致，有的医院的医疗数据可能更多的描述一些特征，另一个医院的医疗图像数据更多的描述另外一些其他的特征。除此之外，不同医院的数据标注标准和能力，以及数据的规模不一致，都会影响神经网络的参数的融合结果的准确性。

技术实现思路

[0004]本专利技术提供一种基于区块链的神经网络多端融合训练方法，以解决现有的医疗信息无法共享，且各医院之间数据规模不一致的问题。
[0005]本专利技术的基于区块链的神经网络多端融合训练方法采用如下技术方案：步骤一：获取各医院带标签的医疗图像数据进行训练得到各医院的DNN网络，计算各医院DNN网络在测试集上的准确率，获取准确率最高的DNN网络对应的医院产生一个新区块，将该医院的DNN网络存储在新区块中并将新区块链接在区块链上；步骤二：各医院利用最新区块存储的DNN网络，计算各医院的测试集在该DNN网络上的准确率，得到所有医院的准确率集合S1；各医院根据最新区块存储的DNN网络的参数重新训练网络，利用重新训练的DNN网络计算各医院在测试集上的新准确率，得到所有医院的准确率集合S2；对所有医院重新训练的DNN网络参数求均值，将该均值作为新参数得到一个新DNN网络，提取S2中准确率最高的DNN网络对应的医院产生一个区块，将新DNN网络与S1中的准确率存储在该医院产生的区块中，将该区块作为最新区块进行迭代，所述区块为融合区块；步骤三：将产生的融合区块按产生次序排列，得到各医院在融合区块上的准确率变化序列，对各医院的准确率变化序列进行均值滤波，根据滤波结果计算各医院的表征能力与医院之间的特征差异，利用各医院的表征能力及医院之间的特征差异对医院进行分类，并确定DNN网络的融合策略；
步骤四：保持DNN网络的融合策略不变，利用被选择的医院训练的DNN网络生成一组新的融合区块，确定DNN网络是否收敛；若DNN网络收敛，则确定该融合策略为最终的融合方法，若DNN网络未收敛，改变DNN网络的融合策略直至网络收敛。
[0006]得到准确率的方法，是将医院所有带标签的医疗图像数据作为数据集，其中80%作为训练集，20%作为测试集,利用训练集训练出DNN网络的参数，并计算出各医院的DNN网络在其测试集上的准确率。
[0007]各医院的表征能力的计算方法如下：式中：为该医院的表征能力；为准确率变化序列的长度，即融合区块的数量；对应区块链上的一个区块；为准确率变化序列的均值滤波结果。
[0008]医院之间的特征差异的计算方法如下：式中：为医院1与医院2之间的特征差异；表示医院2的准确率变化序列的波动序列；表示医院1的准确率变化序列的波动序列；表示波动序列的长度；其中波动序列的计算公式如下：式中：表示各医院的波动序列；为各医院的准确率变化序列。
[0009]医院之间的边权值的计算方法如下：式中：为医院1的表征能力；为医院2的表征能力；为医院1与医院2之间的边权值。
[0010]确定DNN网络的融合策略的过程如下：以各医院为节点，计算医院之间的边权值，得到一个图结构数据，对图结构数据上的节点分类，对每个类别中的所有医院，计算出各医院被选择的概率提取符合条件的医院。
[0011]计算各医院被选择的概率的方法如下：对于分类后包含医院数量最多的类别s，该类别中所有医院被选择概率都为1.0；除包含医院数量最多的类别的其他类别中，各医院被选择的概率为：式中：为该医院被选择的概率；表示类别s中所有医院之间边权值中的最大边权值；为医院n与类别s中所有医院的边权值中的最小边权值。
[0012]所述融合策略不变即为各医院被选择的概率不变。
[0013]本专利技术的有益效果是：本专利技术的目的是将各医院训练的网络的参数进行融合后在进行训练,并根据融合后的网络在各医院的训练集上的表征能力以及在不同医院训练集上提取到的特征的差异，获得网络的融合策略。然后通过不断的改变融合策略，最终获得能够准确提取出所有医院数据特征的网络。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0015]图1为本专利技术实施例提供的一种流程结构示意图。
具体实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]本专利技术的一种基于区块链的神经网络多端融合训练方法的实施例，如图1所示。
[0018]以下具体展开描述：步骤一：各医院训练各自的神经网络，并存储在区块链上。
[0019]1.对各医院构建一个语义分割网络，本实施例中所有医院使用现有的U
‑
net网络。将医院所有带标签的医疗图像数据作为数据集，数据集中80%作为训练集，20%作为测试集；利用训练集训练出语义分割网络的参数，并计算出各医院训练出的语义分割网络在各医院测试集上的准确率。本实施例后续用DNN网络（Deep Neural Networks，深度神经网络，简称神经网络）来指代这个语义分割网络。
[0020]2.将各医院训练出DNN网络的参数以及计算出的每个DNN网络在测试集上的准确率共享出去，然后获取准确率最大的DNN网络对应的医院，使该医院产生新区块，并且将该医院训练的DNN网络存储进这个新的区块中，将该区块连接在区块链上，并给予该医院奖励。
[0021]3.将根据DNN网络的准确率大小来决定哪个医院产生的区块可以被连接在区块链上的过程视为一个共识机制，并且通过给予奖励激励医院训练出准确率更高的DNN网络；医院可以通过标注更多更全面的数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的神经网络多端融合训练方法，其特征在于：包括以下步骤：步骤一：获取各医院带标签的医疗图像数据进行训练得到各医院的DNN网络，计算各医院DNN网络在测试集上的准确率，获取准确率最高的DNN网络对应的医院产生一个新区块，将该医院的DNN网络存储在新区块中并将新区块链接在区块链上；步骤二：各医院利用最新区块存储的DNN网络，计算各医院的测试集在该DNN网络上的准确率，得到所有医院的准确率集合S1；各医院根据最新区块存储的DNN网络的参数重新训练网络，利用重新训练的DNN网络计算各医院在测试集上的新准确率，得到所有医院的准确率集合S2；对所有医院重新训练的DNN网络参数求均值，将该均值作为新参数得到一个新DNN网络，提取S2中准确率最高的DNN网络对应的医院产生一个区块，将新DNN网络与S1中的准确率存储在该医院产生的区块中，将该区块作为最新区块进行迭代，所述区块为融合区块；步骤三：将产生的融合区块按产生次序排列，得到各医院在融合区块上的准确率变化序列，对各医院的准确率变化序列进行均值滤波，根据滤波结果计算各医院的表征能力与医院之间的特征差异，利用各医院的表征能力及医院之间的特征差异对医院进行分类，并确定DNN网络的融合策略；步骤四：保持DNN网络的融合策略不变，利用融合策略中被选择的医院和步骤二中产生融合区块的方法生成一组新的融合区块，确定DNN网络是否收敛；若DNN网络收敛，则确定该融合策略为最终的融合方法，若DNN网络未收敛，改变DNN网络的融合策略直至网络收敛。2.根据权利要求1所述的一种基于区块链的神经网络多端融合训练方法，其特征在于：所述得到准确率的方法，是将医院所有带标签的医疗图像数据作为数据集，其中80%作为训练集，20%作为测试集,利用训练集训练出DNN网络的参数，并计算出各医院的DNN网络在其测试集上的准...

【专利技术属性】
技术研发人员：高俊领，马二建，
申请(专利权)人：高俊领，
类型：发明
国别省市：