【技术实现步骤摘要】
一种基于区块链网络的医学图像分割协作方法
[0001]本专利技术涉及区块链与医学图像处理的交叉领域，尤其涉及一种基于区块链网络的医学图像分割协作方法。
技术介绍
[0002]深度学习近些年来发展迅速，是人工智能领域的主要研究方向[1]。在计算能力大大提高的情况下，很多深度学习方向的思想都得以实现。我们知道要想训练一个准确率高并且健壮的深度学习模型，其核心要素是需要大量的高质量的训练数据。因为如果数据不足会导致模型训练的结果欠拟合。针对深度学习输入样本不足的问题，现在也提出了很多方法。比如数据增强，也叫数据扩增、过采样和欠采样、人工数据合成等。通过这样的方式确实对于提高模型的健壮性、泛化性有显著的效果，让有限的数据产生更多的数据价值。但是原始数据起着决定性因素。如何获取各方数据一直以来都是深度学习应用的挑战。
[0003]此外，隐私问题也是阻碍数据收集一个重要因素。有一些数据由于存在一些特殊性也无法得以安全共享，用来做进一步的研究,比如医疗数据。医疗机构之间因为涉及到患者隐私和相关方的利益等原因导致各方机构数据无法互通...
【技术保护点】
【技术特征摘要】
1.基于区块链网络的医学图像分割协作方法，其特征在于，首先各个医疗机构将各自的医疗数据进行本地协作分割网络训练建模，训练生成局部权重文件，所述局部权重文件在其所属医疗机构签名之后作为一笔交易被提交到区块链网络中，区块链网络中拥有下载权限的节点，即其他医疗机构，对所述局部权重文件进行下载，直至所有医疗机构均生成各自的局部权重文件，当区块链网络接收到预设数量的局部权重数据后聚合生成全局权重，进行有限次迭代循环后，保存效果最好的全局权重作为最终的协作分割网络模型参数，具体包括：步骤1：构建区块链网络作为各个医疗机构信息共享的平台，所属区块链网络用于支撑各节点协作完成全局深度学习模型建立全过程，主要包括四个部分：数据上传、共识协议达成、数据存储、全局模型的生成；步骤2：进入所述区块链网络的节点必须获得授权，采用Hyperledger Fabric中的会员服务系统MSP管理，所述会员服务系统是一个用户证书和私钥管理体系，在所述会员服务系统中任何交易都需要验证账号，采用的训练方式包括：顺序训练方式或并行训练方式，采用顺序训练方式执行步骤3，采用并行训练方式执行步骤4；步骤3：参与协同的各个医疗机构采用顺序训练的方式一起训练一个全局模型，验证当模型收敛时所得全局模型是否比局部模型更优，训练方式主要分为局部权重上传、权重数据下载两部分：步骤31：局部权重上传，第一家医疗机构先利用自己的本地医疗数据训练自己的深度学习模型，当深度学习模型收敛时，把第一局部权重保存下来，然后加密签名件之后上传到区块链网络，各个节点开始验证这笔交易，如果验证通过，交易合法，达成共共识，这笔交易被承认，然后写入区块链网络中；步骤32：权重数据下载，第二家医疗机构从所述区块链网络中去下载第一家医疗机构上传的第一局...
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。