实现数据安全的医学影像数据处理方法、系统和电子设备技术方案

本发明专利技术提供了一种实现数据安全的医学影像数据处理方法、系统和电子设备，涉及医学影像的技术领域，该方法包括：对原始数据进行数据检查和匿名化处理，生成待处理数据；根据用户数据处理要求，利用决策模型进行预测，生成数据分析执行流和交互频率参数；数据分析执行流包括数据处理环节和建模环节；由执行服务器对待处理数据进行处理，完成数据处理环节的数据分析；基于数据分析执行流进行相应的模型构建，生成服务器综合模型，用于对输入数据进行预测并结合数据处理环节生成最终处理结果，以实现医学影像数据的自动安全分析处理，缓解了现有技术中数据安全性低、处理效率低的技术问题，达到了提高数据处理安全性和处理效率的技术效果。术效果。术效果。

【技术实现步骤摘要】
实现数据安全的医学影像数据处理方法、系统和电子设备


[0001]本专利技术涉及医学影像
，尤其是涉及一种实现数据安全的医学影像数据处理方法、系统和电子设备。

技术介绍

[0002]医学影像数据(如：神经影像数据以及其他医学数据)通常来源于医院，在利用某一个医院的医学影像数据对AI模型进行训练时，由于每个医院覆盖人口的区域分布特点，所训练的模型通常会存在泛化能力不够的问题，从而无法更好的应用于医学实践中。对此，解决方法一般是通过聚合不同医院的医学影像数据，共同训练一个高性能的综合模型。但是，由于伦理和相关规则(安全等考虑)的要求，各医院无法把相关医学影像数据共享出来；同时，由于每个医院的设备、工作习惯等的差异，各医院的医学影像数据也面临不同特征的问题。
[0003]另外，在医学影像(尤其是神经影像)的数据处理过程中，通常需要结合不同的研究目标，进行不同环节的处理计算，比如预处理、特征抽取、统计分析、建模等，而这些处理环节将涉及到众多的软件包。为了正确、高效地利用这些软件，数据处理人员需要深度理解这些软件背后的算法、参数、结果格式和含义、设计方法等。对于神经科学的研究人员而言，使用门槛较高，学习难度大、耗时长。也就是说，现有结合各医院的医学影像数据进行数据处理的方案，存在数据安全性低、处理难度大、处理效率低的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种实现数据安全的医学影像数据处理方法、系统和电子设备，以缓解现有技术中存在的数据安全性低、处理难度大、处理效率低的技术问题。<br/>[0005]第一方面，本专利技术实施例提供了一种实现数据安全的医学影像数据处理方法，应用于服务器，上述服务器包括：执行服务器和核心服务器；上述方法包括：对预先获取的原始数据进行数据检查和匿名化处理，生成待处理数据；
[0006]根据用户数据处理要求，利用预先生成的决策模型进行预测，分别生成数据分析执行流和交互频率参数；其中，上述决策模型包括：数据分析决策模型和交互频率参数自动推荐决策模型；上述交互频率参数用于表示上述执行服务器与上述核心服务器之间的交互频率；上述数据分析执行流包括若干个医学影像数据分析环节以及相应顺序；上述医学影像数据分析环节包括：数据处理环节和建模环节；
[0007]基于上述数据分析执行流，由上述执行服务器对上述待处理数据进行处理，以完成上述数据处理环节的数据分析；
[0008]基于上述数据分析执行流进行相应的模型构建，生成服务器综合模型，以完成上述建模环节的模型构建；上述服务器综合模型用于对输入数据进行预测，并结合上述数据处理环节生成最终处理结果，以实现医学影像数据的自动安全分析处理。
[0009]在一些可能的实施方式中，对预先获取的原始数据进行数据检查和匿名化处理，
生成待处理数据的步骤，包括：按照预定义的数据格式对预先获取的原始数据进行检查；如果上述原始数据不符合上述预定义的数据格式，则按照上述预定义的数据格式对上述原始数据进行格式转换；对上述原始数据的数据属性进行检查，确定上述原始数据满足分析条件；对不同采集参数下的上述原始数据进行处理，将上述原始数据转换为标准数据；对上述标准数据的头信息和面部特征信息进行去隐私化处理，生成待处理数据。
[0010]在一些可能的实施方式中，上述用户数据处理要求包括：数据处理目的、原始数据、数据处理期望、参与计算的存储和服务器；根据用户数据处理要求，利用预先生成的决策模型进行预测，分别生成数据分析执行流和交互频率参数的步骤之前，上述方法还包括：基于预先构建的医学影像数据处理知识库，生成训练数据库；上述医学影像数据处理知识库的框架包括多个一级类目；上述一级类目包括：处理目标、对象数据、分析环节、文件、任务；利用上述训练数据库对数据分析决策模型进行训练，生成训练好的数据分析决策模型。
[0011]在一些可能的实施方式中，根据用户数据处理要求，利用预先生成的决策模型进行预测，分别生成数据分析执行流和交互频率参数的步骤之前，上述方法还包括：获取上述交互频率参数和用户数据处理要求、参与计算的服务器个数以及上述数据分析执行流之间的预定义规则；上述预定义规则用于作为相关决策的依据推荐交互频率参数；基于服务器运行过程中的相关数据，采用机器学习方法构建决策推荐模型；上述决策推荐模型的输入为编码后的上述用户数据处理要求、服务器个数以及上述数据分析执行流；上述决策推荐模型的输出为交互频率参数；基于上述预定义规则和上述决策推荐模型，确定交互频率参数自动推荐决策模型。
[0012]在一些可能的实施方式中，根据用户数据处理要求，利用预先生成的决策模型进行预测，分别生成数据分析执行流和交互频率参数的步骤，包括：根据用户数据处理要求，利用训练好的数据分析决策模型进行预测，生成数据分析执行流；利用上述交互频率参数自动推荐决策模型进行预测，生成交互频率参数。
[0013]在一些可能的实施方式中，基于上述数据分析执行流进行相应的模型构建，生成服务器综合模型的步骤，包括：各上述执行服务器针对上述建模环节进行相应的模型训练，如果训练过程满足上述交互频率参数要求，则向上述核心服务器发送当前模型参数；上述核心服务器基于收到的上述当前模型参数生成综合模型参数，并将上述综合模型参数发送至每个上述执行服务器；每个上述执行服务器基于上述综合模型参数进行训练，重复执行参数交互的过程，直至当前模型达到相应标准，确定上述当前模型为服务器综合模型。
[0014]在一些可能的实施方式中，上述方法还包括：针对上述数据分析执行流中各环节的处理结果，分别计算数据质控指数；上述数据质控指数用于评估数据的可用性；针对上述最终处理结果生成结果评价参数。
[0015]第二方面，本专利技术实施例提供了一种实现数据安全的医学影像数据处理系统，应用于服务器，上述服务器包括：执行服务器和核心服务器；上述系统包括：数据生成模块，用于对预先获取的原始数据进行数据检查和匿名化处理，生成待处理数据；
[0016]模型预测模块，用于根据用户数据处理要求，利用预先生成的决策模型进行预测，分别生成数据分析执行流和交互频率参数；其中，上述决策模型包括：数据分析决策模型和交互频率参数自动推荐决策模型；上述交互频率参数用于表示上述执行服务器与上述核心服务器之间的交互频率；上述数据分析执行流包括若干个医学影像数据分析环节以及相应
顺序；上述医学影像数据分析环节包括：数据处理环节和建模环节；
[0017]数据处理模块，用于基于上述数据分析执行流，由上述执行服务器对上述待处理数据进行处理，以完成上述数据处理环节的数据分析；
[0018]结果生成模块，用于基于上述数据分析执行流进行相应的模型构建，生成服务器综合模型，以完成上述建模环节的模型构建；上述服务器综合模型用于对输入数据进行预测，并结合上述数据处理环节生成最终处理结果，以实现医学影像数据的自动安全分析处理。
[0019]第三方面，本专利技术实施例提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实现数据安全的医学影像数据处理方法，其特征在于，应用于服务器，所述服务器包括：执行服务器和核心服务器；所述方法包括：对预先获取的原始数据进行数据检查和匿名化处理，生成待处理数据；根据用户数据处理要求，利用预先生成的决策模型进行预测，分别生成数据分析执行流和交互频率参数；其中，所述决策模型包括：数据分析决策模型和交互频率参数自动推荐决策模型；所述交互频率参数用于表示所述执行服务器与所述核心服务器之间的交互频率；所述数据分析执行流包括若干个医学影像数据分析环节以及相应顺序；所述医学影像数据分析环节包括：数据处理环节和建模环节；基于所述数据分析执行流，由所述执行服务器对所述待处理数据进行处理，以完成所述数据处理环节的数据分析；基于所述数据分析执行流进行相应的模型构建，生成服务器综合模型，以完成所述建模环节的模型构建；所述服务器综合模型用于对输入数据进行预测，并结合所述数据处理环节生成最终处理结果，以实现医学影像数据的自动安全分析处理。2.根据权利要求1所述的实现数据安全的医学影像数据处理方法，其特征在于，对预先获取的原始数据进行数据检查和匿名化处理，生成待处理数据的步骤，包括：按照预定义的数据格式对预先获取的原始数据进行检查；如果所述原始数据不符合所述预定义的数据格式，则按照所述预定义的数据格式对所述原始数据进行格式转换；对所述原始数据的数据属性进行检查，确定所述原始数据满足分析条件；对不同采集参数下的所述原始数据进行处理，将所述原始数据转换为标准数据；对所述标准数据的头信息和面部特征信息进行去隐私化处理，生成待处理数据。3.根据权利要求1所述的实现数据安全的医学影像数据处理方法，其特征在于，所述用户数据处理要求包括：数据处理目的、原始数据、数据处理期望、参与计算的存储和服务器；根据用户数据处理要求，利用预先生成的决策模型进行预测，分别生成数据分析执行流和交互频率参数的步骤之前，所述方法还包括：基于预先构建的医学影像数据处理知识库，生成训练数据库；所述医学影像数据处理知识库的框架包括多个一级类目；所述一级类目包括：处理目标、对象数据、分析环节、文件、任务；利用所述训练数据库对数据分析决策模型进行训练，生成训练好的数据分析决策模型。4.根据权利要求3所述的实现数据安全的医学影像数据处理方法，其特征在于，根据用户数据处理要求，利用预先生成的决策模型进行预测，分别生成数据分析执行流和交互频率参数的步骤之前，所述方法还包括：获取所述交互频率参数和用户数据处理要求、参与计算的服务器个数以及所述数据分析执行流之间的预定义规则；所述预定义规则用于作为相关决策的依据推荐交互频率参数；基于服务器运行过程中的相关数据，采用机器学习方法构建决策推荐模型；所述决策推荐模型的输入为编码后的所述用户数据处理要求、服务器个数以及所述数据分析执行流；所述决策推荐模型的输出为交互频率参数；基于所述预定义规则和所述决策推荐模型，确定...

【专利技术属性】
技术研发人员：杨风雷，赵胜钢，张秀梅，
申请(专利权)人：北京万方医学信息科技有限公司，
类型：发明
国别省市：