【技术实现步骤摘要】
基于联邦学习系统的医疗数据分析方法、设备、存储介质和程序产品
[0001]本申请涉及医疗数据共享
，特别是涉及一种医疗数据分析方法、设备、存储介质和程序产品。
技术介绍
[0002]每个医院的数据都是保密，不能共享出来，但是数据是有价值的，医院的数据的价值更是具有分析性，自己医院的数据分析不能很好的进行一个分析，具有局限性，并且想知道其他医院的其他部门领域的数据是一个非常难的事，医院数据很难有互通和交流。
[0003]在传统的机器学习中，模型的效率和准确性依赖于集中式服务器的计算能力和训练数据，而数据往往牵扯到隐私。近年来，社会各界的隐私保护意识日益提升，政府的隐私保护监管力度逐渐加强，联邦学习应运而生。联邦学习的目的是保证数据隐私安全及合法合规的基础上，多方实现机器学习算法的共同建模，提升模型的效果。联邦学习本质上是一种分布式机器学习技术，又涉及到许多跨领域的研究，需要探索全新的软件和技术模式。
[0004]联邦学习需要从分布不同的数据源进行大量的机器学习计算，计算能力在各参与方之间共享，这涉及到分布...
【技术保护点】
【技术特征摘要】
1.基于联邦学习系统的医疗数据分析方法，所述联邦学习系统包括多个客户端，其特征在于，所述医疗数据分析方法包括：确定待训练模型；确定所述待训练模型采用的算法，获得所述算法对第一数据量的医疗数据完成训练的时间，作为参考时间；根据所述待训练模型，确定所述多个客户端中的参与方，获得各所述参与方用于训练所述待训练模型的医疗数据的数据量，计算得到第二数据量；向所述联邦学习系统发送对所述待训练模型的训练任务；在发送所述训练任务后，经过一段等待时间，再向所述联邦学习系统发送返回训练结果的请求，所述等待时间是根据所述第一数据量、所述第二数据量、所述参考时间计算得到，且所述等待时间与所述述第二数据量、所述参考时间正相关，与所述第一数据量负相关；接收从所述联邦学习系统返回的所述待训练模型的训练结果；根据所述联邦学习训练结果进行医疗数据分析。2.根据权利要求1所述的医疗数据分析方法，其特征在于，所述第一数据量的数值范围为100～1000。3.根据权利要求1所述的医疗数据分析方法，其特征在于，所述第二数据量为各所述参与方中，用于训练所述待训练模型的所述医疗数据的数据量的最大值。4.根据权利要求1所述的医疗数据分析方法，其特征在于，所述等待时间的计算方法包括：选择一时间单位...
【专利技术属性】
技术研发人员：舒强，俞刚，徐玮泽，林博，董科雄，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。