一种眼底图像识别模型更新方法技术

本发明专利技术公开了一种眼底图像识别模型更新方法

【技术实现步骤摘要】
一种眼底图像识别模型更新方法、装置、设备及介质


[0001]本专利技术涉及眼科医疗领域，特别涉及一种眼底图像识别模型更新方法
、
装置
、
设备及介质
。

技术介绍

[0002]在眼科医疗场景应用和医学辅诊模型中，随着眼科医疗业务场景的推广和医学数据特征属性的扩增，数据特征空间的动态变化成为一个重要问题，特别是在医学影像诊断领域，随着医学影像数据的增加和临床研究的深入，诊断模型所需的特征维度和多样性不断提高
。
然而这种数据特征空间的变化会对已部署的模型性能造成负面影响，甚至使其无法适应新的眼科医疗需求，给医学辅诊模型的持续应用带来了巨大挑战
。
在眼科医疗场景应用和医学辅诊模型中，重新联合多方用户进行数据层面的联邦学习面临资源和时间开销的问题，传统的联邦学习方法需要在中央服务器上汇集和处理各方的数据，但这会消耗大量的计算资源和通信开销，而以部署在终端的预训练模型进行“模型联邦优化”也存在模型隐私泄露的风险
。
[0003]现有解决特征数据变化的方法中，主要聚焦在数据增量学习层面，对于受隐私安全限制下模型层面的安全传递和增量更新问题少有研究
。
而在实际应用中，模型的安全传递和增量融合是非常重要的现实问题，在模型由于数据特征空间变化造成的性能断崖式下降和无法继续使用的情况下，现有相关研究难以适用
。
如当训练样本不可见时，数据层面的增量学习方法难以实施；由于特征空间变化导致的输入层未对齐的模型融合问题，上述模型融合方法依然无法解决，同时在上述过程中还存在数据敏感特征和模型传递的安全问题
。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种眼底图像识别模型更新方法
、
装置
、
设备和介质，能够实现模型的安全传递和增量融合
。
其具体方案如下：
[0005]第一方面，本专利技术公开了一种眼底图像识别模型更新方法，应用于用户端，包括：
[0006]获取待更新用户端对应的眼底图像识别模型样本知识，并基于所述眼底图像识别模型样本知识确定眼底图像目标特征集合；所述眼底图像目标特征集合包含眼底图像共有特征集合以及眼底图像差异特征集合；
[0007]基于预设训练集以及预设推理模型获取每个所述待更新用户端对应的用于记录网络神经元的激活值，并基于所述眼底图像识别模型样本知识
、
所述激活值
、
所述眼底图像共有特征集合构建每个所述待更新用户端的本地眼底图像识别模型子图；
[0008]将全部所述本地眼底图像识别模型子图传递至服务端，以便基于所述眼底图像差异特征集合对全部所述本地眼底图像识别模型子图进行预设子图融合操作，以得到融合后子图；
[0009]接收所述服务端发送的所述融合后子图并利用所述融合后子图对本地眼底图像
识别模型进行更新
。
[0010]可选的，所述获取待更新用户端对应的眼底图像识别模型样本知识，包括：
[0011]获取每个所述待更新用户端本地数据包含的特征集合，并根据所述特征集合生成对应的秘密分享；其中，所述秘密分享的数量小于或等于所述特征集合中特征的数量；
[0012]从全部所述待更新用户端中确定接收用户端与发送用户端；
[0013]依次判断接收端特征集合中的每个特征在发送端特征集合中是否存在对应的目标特征；所述接收端特征集合为与所述接收用户端对应的集合，所述发送端特征集合为与所述发送用户端对应的集合；
[0014]若所述发送端特征集合中存在对应的所述目标特征，则将发送端秘密分享中与所述目标特征对应的目标秘密分享发送至所述接收用户端；所述发送端秘密分享为与所述发送用户端的发送特征集合对应的秘密分享
。
[0015]可选的，所述基于所述眼底图像识别模型样本知识确定眼底图像目标特征集合，包括：
[0016]对所述接收用户端接收到的全部所述目标秘密分享进行异或计算，以得到计算结果；
[0017]若所述计算结果为0，则将当前计算的所述目标秘密分享对应的所述目标特征确定为共有特征；
[0018]若所述计算结果不为0，则将当前计算的所述目标秘密分享对应的所述目标特征确定为差异特征；
[0019]基于全部所述共有特征构建所述眼底图像共有特征集合，基于全部所述差异特征构建所述眼底图像差异特征集合，并将所述眼底图像共有特征集合以及所述眼底图像差异特征集合确定为所述眼底图像目标特征集合
。
[0020]可选的，所述基于所述眼底图像识别模型样本知识确定眼底图像目标特征集合之后，还包括：
[0021]获取所述发送用户端的发送端本地眼底图像识别模型；
[0022]在所述发送用户端利用椭圆曲线上的配对验证方法对所述发送端本地眼底图像识别模型进行预设验证操作；
[0023]当验证结果为验证通过时执行所述基于预设训练集以及预设推理模型获取每个所述待更新用户端对应的用于记录网络神经元的激活值的步骤
。
[0024]可选的，所述基于预设训练集以及预设推理模型获取每个所述待更新用户端对应的用于记录网络神经元的激活值，并基于所述眼底图像识别模型样本知识
、
所述激活值
、
所述眼底图像共有特征集合构建每个所述待更新用户端的本地眼底图像识别模型子图，包括：
[0025]基于预设训练集
、
预设推理模型分别获取与所述接收用户端对应的接收端激活值和与所述发送用户端对应的发送端激活值；
[0026]按照预设类别顺序对所述接收端激活值和所述发送端激活值进行排列，以得到排列后激活值，并利用预设加密算法对所述排列后激活值进行加密；
[0027]基于所述发送用户端对应的所述排列后激活值
、
所述眼底图像共有特征集合
、
所述发送端本地眼底图像识别模型的模型网络结构以及边特征构建发送端本地眼底图像识
别模型子图
。
[0028]可选的，所述基于所述眼底图像识别模型样本知识
、
所述激活值
、
所述眼底图像共有特征集合构建每个所述待更新用户端的本地眼底图像识别模型子图之后，还包括：
[0029]基于本地化差分隐私方法从所述眼底图像共有特征集合对应的共有结点集合进行随机采样，以得到采样后结点；
[0030]对所述采样后结点对应的全部边进行预设边重组操作，以得到重组本地眼底图像识别模型子图
。
[0031]可选的，所述将全部所述本地眼底图像识别模型子图传递至服务端，以便基于所述眼底图像差异特征集合对全部所述本地眼底图像识别模型子图进行预设子图融合操作，以得到融合后子图，包括：
[0032]将全部所述重组本地眼底图像识别模型子图传递至服务端，以便基于确定全部所述重组本地眼底图像识别模型子图中的最大结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种眼底图像识别模型更新方法，其特征在于，应用于用户端，包括：获取待更新用户端对应的眼底图像识别模型样本知识，并基于所述眼底图像识别模型样本知识确定眼底图像目标特征集合；所述眼底图像目标特征集合包含眼底图像共有特征集合以及眼底图像差异特征集合；基于预设训练集以及预设推理模型获取每个所述待更新用户端对应的用于记录网络神经元的激活值，并基于所述眼底图像识别模型样本知识
、
所述激活值
、
所述眼底图像共有特征集合构建每个所述待更新用户端的本地眼底图像识别模型子图；将全部所述本地眼底图像识别模型子图传递至服务端，以便基于所述眼底图像差异特征集合对全部所述本地眼底图像识别模型子图进行预设子图融合操作，以得到融合后子图；接收所述服务端发送的所述融合后子图并利用所述融合后子图对本地眼底图像识别模型进行更新
。2.
根据权利要求1所述的眼底图像识别模型更新方法，其特征在于，所述获取待更新用户端对应的眼底图像识别模型样本知识，包括：获取每个所述待更新用户端本地数据包含的特征集合，并根据所述特征集合生成对应的秘密分享；其中，所述秘密分享的数量小于或等于所述特征集合中特征的数量；从全部所述待更新用户端中确定接收用户端与发送用户端；依次判断接收端特征集合中的每个特征在发送端特征集合中是否存在对应的目标特征；所述接收端特征集合为与所述接收用户端对应的集合，所述发送端特征集合为与所述发送用户端对应的集合；若所述发送端特征集合中存在对应的所述目标特征，则将发送端秘密分享中与所述目标特征对应的目标秘密分享发送至所述接收用户端；所述发送端秘密分享为与所述发送用户端的发送特征集合对应的秘密分享
。3.
根据权利要求2所述的眼底图像识别模型更新方法，其特征在于，所述基于所述眼底图像识别模型样本知识确定眼底图像目标特征集合，包括：对所述接收用户端接收到的全部所述目标秘密分享进行异或计算，以得到计算结果；若所述计算结果为0，则将当前计算的所述目标秘密分享对应的所述目标特征确定为共有特征；若所述计算结果不为0，则将当前计算的所述目标秘密分享对应的所述目标特征确定为差异特征；基于全部所述共有特征构建所述眼底图像共有特征集合，基于全部所述差异特征构建所述眼底图像差异特征集合，并将所述眼底图像共有特征集合以及所述眼底图像差异特征集合确定为所述眼底图像目标特征集合
。4.
根据权利要求2所述的眼底图像识别模型更新方法，其特征在于，所述基于所述眼底图像识别模型样本知识确定眼底图像目标特征集合之后，还包括：获取所述发送用户端的发送端本地眼底图像识别模型；在所述发送用户端利用椭圆曲线上的配对验证方法对所述发送端本地眼底图像识别模型进行预设验证操作；当验证结果为验证通过时执行所述基于预设训练集以及预设推理模型获取每个所述
待更新用户端对应的用于记录网络神经元的激活值的步骤
。5.
根据权利要求4所述的眼底图像识别模型更新方法，其特征在于，所述基于预设训练集以及预设推理模型获取每个所述待更新用户端对应的用于记录网络神经元的激活值，并基于所述眼底图像识别模型样本知识
、
所述激活值
、
所述眼底图像共有特征集合构建每个所述待更新用户端的本地眼底图像识别模型子图，包括：基于预设训练集
、
预设推理模型分别获取与所述接收用户端对应的接收端激活值和与所述发送用户...

【专利技术属性】
技术研发人员：陈益强，蒋鑫龙，陈前，戴伟伟，
申请(专利权)人：爱尔眼科医院集团股份有限公司长沙爱尔眼科医院，
类型：发明
国别省市：