隐私保护前提下提高图像识别精度的系统和方法技术方案

隐私保护前提下提高图像识别精度的系统包括多个用户节点模块和一个中心节点模块；隐私保护前提下提高图像识别精度的方法，通过构造各个用户节点模块的本地医学图像库的孪生噪声图像库，实现了既能保护病人隐私，又能集中各家医院的优势医学图像训练数据的目标，从而获得了高训练水平的医学图像识别模型，提高了医学图像的自动识别准确率。了医学图像的自动识别准确率。了医学图像的自动识别准确率。

【技术实现步骤摘要】
隐私保护前提下提高图像识别精度的系统和方法


[0001]本专利技术涉及隐私保护前提下提高图像识别精度的系统和方法，属于信息
，特别是属于医学图像识别


技术介绍

[0002]随着深度学习技术的广泛长久的发展，越来越多的计算机任务被深度学习解决或部分解决，其中就包括大规模医学图像的分割和识别相关的任务。人们希望借助目前的深度学习神经网络的技术，来帮助医院实现医学图像的自动分割、自动识别，从而提高医学图像的处理速度，让病人得到更快更准确得诊断。
[0003]目前基于深度学习的模型训练需要大量的高质量的数据来支撑其表现效果。具体而言，训练模型需要使用大量的数据。为了实现医学图像的自动识别，就需要大量的医学图像的训练数据。目前各大医院的CT和核磁成像的图像数据，需要权威专家医生根据疾病特征和成像特点人工分割正常组织与病灶的区域边界，从而制造高质量的训练数据，而且我们需要尽可能多得收集这类数据，然后将这些数据输入到医学图像识别模型进行统一的训练，这样最终得到的医学图像识别模型才能有一个很好得图像识别准确率。/>[0004]通常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.隐私保护前提下提高图像识别精度的系统，其特征在于：所述系统包括n个用户节点模块和一个中心节点模块，所述的用户节点模块与所述的中心节点模块相互连接；n为大于1的自然数；各模块具体如下：用户节点模块：该模块的功能是：(1)用自己的本地医学图像库对医学图像识别模型进行轮次训练；(2)把每个轮次训练好的所述的医学图像识别模型的参数发送给中心节点模块；(3)用本轮次训练好的所述的医学图像识别模型，生成所述的本地医学图像库的孪生噪声图像库，并把该孪生噪声图像库发送给中心模块；(4)用本轮次训练好的所述的医学图像识别模型，计算所述的孪生噪声图像库中每一幅孪生噪声图像的输出noiseLogits，并把该输出noiseLogits发送给中心节点模块；(4)接收中心节点模块发来的所述的医学图像识别模型的最新参数，对所述的医学图像识别模型进行更新；中心节点模块：该模块的功能是：(1)向所有用户节点模块发送医学图像识别模型；(2)基于所接收的本轮次所有用户节点模块发来的所述的医学图像识别模型的参数，更新所述的医学图像识别模型的参数；(3)基于所接收的本轮次所有用户节点模块发来的所述的孪生噪声图像库，和所述的孪生噪声图像库中每一幅孪生噪声图像的输出noiseLogits，对所述的更新后的医学图像识别模型进行重新训练；(4)把本轮次训练好的所述的医学图像识别模型的参数发送给所述的用户节点模块。2.根据权利要求1所述的隐私保护前提下提高图像识别精度的系统，其特征在于：所述的用户节点模块用本轮次训练好的所述的医学图像识别模型，生成所述的本地医学图像库的孪生噪声图像库的具体内容是：(1)对于所述的本地医学图像库中的每一个类图像，按照下式计算其医学图像识别模型的平均输出：上式中，表示第i个用户节点模块的本地医学图像库，该本地医学图像库共有从c0到c
k
‑1的k个类别；avgLogits
c
表示对第i个用户节点模块的本地医学图像库中的第c类图像，用所述的医学图像识别模型所计算出的平均输出；表示把样本x输入到完成第t轮次训练的医学图像识别模型所获得的输出；y表示样本x的类别；(2)随机构造一幅噪声图像，用完成第t轮次训练的医学图像识别模型，按照梯度下降反向传播法，使用如下损失函数对所构造的噪声图像进行更新：上式中，表示KL散度熵函数；表示softmax函数；noiseLogits
c
表示把所述的噪声图像输入到所述的完成第t轮次训练的医学图像识别模型所获得的输出；所述的噪声图像更新设定次数后或者所述的损失函数值小于设定阈值后，上述迭代更新所得到的噪声图像即为与第i个用户节点模块的本地医学图像库中的第c类图像所对应的一幅孪生噪声图像。3.根据权利要求1所述的隐私保护前提下提高图像识别精度的系统，其特征在于：所述的中心节点模块基于所接收的本轮次所有用户节点模块发来的所述的医学图像识别模型
的参数，更新所述的医学图像识...

【专利技术属性】
技术研发人员：王晶，庄子睿，朱少雄，李炜，戚琦，王敬宇，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：