基于隐私安全计算平台的专病数据库构建方法及装置制造方法及图纸

本申请公开了一种基于隐私安全计算平台的专病数据库构建方法及装置，包括：基于原始数据不出域，通过数据与计算协同建立数据价值输出的新方式，实现专病库建设和专病数据安全共享协作地新范式。应用隐私安全计算平台技术构建专病库，动态实现多维度、多模态专病数据全生命周期管理与资产化医疗健康数据管理新范式。应用人工智能前沿技术在数据治理、文本数据结构化、影像数据智能处理等过程中，有助于节约数据治理处理过程的时间，且获得更高质量的标准化、结构化数据。结构化数据。结构化数据。

【技术实现步骤摘要】
基于隐私安全计算平台的专病数据库构建方法及装置


[0001]本申请涉及计算机
，具体涉及一种基于隐私安全计算平台的专病数据库构建方法及装置。

技术介绍

[0002]传统的医疗统计方式需要从院内系统或平台中将原始数据导出平台外利用自行开发或第三方开发的模型进行计算，这样做会造成原始数据离开平台，而平台失去对于这部分数据的安全和权益保护。如果这个第三方未经平台授权将数据作为其他用途，或者擅自将数据发送给其他人使用，都可能会造成患者个人信息泄露，有损患者利益，违反相关法律法规，带来灾难性的后果。

技术实现思路

[0003]为此，本申请提供一种基于隐私安全计算平台的专病数据库构建方法及装置，以解决现有技术存在的医疗统计方式需要从院内系统或平台中将原始数据导出平台外利用自行开发或第三方开发的模型进行计算的问题。
[0004]为了实现上述目的，本申请提供如下技术方案：
[0005]第一方面，一种基于隐私安全计算平台的专病数据库构建方法，应用于隐私安全计算平台，包括：
[0006]获取专病病例数据；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于隐私安全计算平台的专病数据库构建方法，其特征在于，应用于隐私安全计算平台，包括：获取专病病例数据；将所述专病病例数据进行敏感信息脱敏处理；将脱敏后的专病病例数据分为文本数据、影像数据和基因数据；将文本数据输入到训练好的自然语言处理深度学习模型中进行结构化和标准化处理；将影像数据输入到训练好的计算机视觉深度学习模型中进行处理得到影像标注数据；根据基因数据对肿瘤组织和正常组织的全外显子测序数据、转录组测序数据进行批量并行分析，得到初级分析结果；结合临床信息和初级分析结果，进行统计分析得到有效的生物标志物或从分子层面解释临床现象；将结构化、标准化处理后的文本数据、影像标注数据和生物标志物或从分子层面解释的临床现象保存至数据库中。2.根据权利要求1所述的基于隐私安全计算平台的专病数据库构建方法，其特征在于，所述结构化和标准化处理具体为：将文本数据分解为医学事件矢量。3.根据权利要求1所述的基于隐私安全计算平台的专病数据库构建方法，其特征在于，所述自然语言处理深度学习模型包括双向长短时记忆网络模型、条件随机场模型、Transforme模型、BERT模型和GPT
‑
3模型。4.根据权利要求1所述的基于隐私安全计算平台的专病数据库构建方法，其特征在于，所述计算机视觉深度学习模型包括卷积神经网络模型、自编码器模型、YOLO模型或SSD模型。5.根据权利要求1所述的基于隐私安全计算平台的专病数据库构建方法，其特征在于，所述统计分析包括差异检验和关联分析。6.根据权利要求1所述的基于...

【专利技术属性】
技术研发人员：胡丹旦，张莺耀，罗震，陈敏山，徐盛，张驰，顾德清，
申请(专利权)人：中山大学肿瘤防治中心中山大学附属肿瘤医院，中山大学肿瘤研究所，
类型：发明
国别省市：