System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理领域,尤其涉及一种数字病理学数据的集成共享方法、装置、设备及存储介质。
技术介绍
1、随着随着数字医疗的发展,病理数字化已成为当今医学诊疗领域中一个重要的发展方向。病理数字化可以辅助医生进行病理学诊断,提高病理诊断效率和精度,并且可以促进医疗行业的发展。然而,目前数字病理学数据具有异构性和分散性的特征,数字病理学数据的集成和隐私共享一直是一个具有挑战性的问题,现有方式中,申请号为202110698677.7的专利文献提供了一种数据处理方法、数据处理装置、数据处理设备及存储介质,包括在接收到前端业务系统发送的前端业务领域活动的信息时,触发分段计薪任务的生成,使用户可以直观获知是哪些活动触发了分段计薪;继而获取前端业务领域活动的关联数据,根据前端业务领域活动的关联数据匹配需要进行分段计薪的第一目标员工和分段计薪方案,生成分段计薪任务,而后执行分段计薪任务,得到第一目标员工的分段计薪结果。
2、专利技术人在实现本专利技术的过程中发现:现有的这种方案,针对异构性和分散性数据在一定程度上有一些帮助,但这些方案仍然遵循设定的规则,存在数据安全性和可靠性方面的问题。
技术实现思路
1、本专利技术实施例提供一种数字病理学数据的集成共享方法、装置、计算机设备和存储介质,以提高病理学数据共享的安全性和可靠性。
2、为了解决上述技术问题,本申请实施例提供一种数字病理学数据的集成共享方法,包括:
3、获取病理图像,并对所述病理图像进行特征提取与标注
4、构建病理数据联盟链,并将所述病理数据存储至所述病理数据联盟链;
5、基于元宇宙的方式,搭建病理可视化模块,以使所述存储至所述病理数据联盟链根据需要可视化显示。
6、可选地,所述对所述病理图像进行特征提取与标注,得到病理数据包括:
7、对所述病理图像进行图像预处理,得到标准图像;
8、采用多尺度卷积神经网络,将所述标准图像划分为若干区域,进行图像特征识别,并根据识别结果进行自动标注,得到自动标注结果;
9、将手工标注结果和自动标注结果进行对比整合,得到所述病理数据。
10、可选地,所述构建病理数据联盟链,并将所述病理数据存储至所述病理数据联盟链包括:
11、对所述病理数据进行数据预处理和标准化,得到标准数据;
12、采用区块链技术,创建符合上链要求的数据结构;
13、对所述标准数据进行上链处理,并构建病理数据联盟链。
14、可选地,在所述对所述标准数据进行上链处理,并构建病理数据联盟链之后,所述数字病理学数据的集成共享方法还包括:
15、利用强化加密模块内的智能合约完成联邦学习模型的任务分配和训练过程。所述智能合约中包含分配任务和权限设置,用于实现分布式的协作和模型训练,保护数据的私有性,其中,所述强化加密模块包括接入单元、聚合单元、存储单元和计算单元,所述接入单用于作为数据提供方和系统的接口,所述聚合单元用于接收和整合来自接入单元的数据流并执行预处理和异常数据剔除,所述存储单元用于对数据进行分片存储,所述计算单元用于执行各种数据分析和机器学习任务。
16、可选地,所述基于元宇宙的方式,搭建病理可视化模块,以使所述存储至所述病理数据联盟链根据需要可视化显示包括:
17、通过特征映射到像素层面的方法,将病理数据对应的图像每个像素点都映射到一个新的颜色空间,基于深度学习的生成对抗网络学习每个像素的颜色映射,用颜色或灰度级别表示不同的特征,得到特征映射可视化结果;
18、使用自编码器对所述病理数据进行非线性降维,将提取出的特征映射到低维空间,得到像素级可视化结果;
19、使用梯度上升的方式,从病理数据中提取特定的病理图像特征,并通过cam算法生成类激活图,所述类激活图用于标出影响分类结果的关键图像区域;
20、将所述类激活图、像素级可视化和特征映射可视化结果进行整合,生成多维度融合可视化图,以使所述存储至所述病理数据联盟链根据需要可视化显示。
21、为了解决上述技术问题,本申请实施例还提供一种数字病理学数据的集成共享装置,包括:
22、数据标注模块,用于获取病理图像,并对所述病理图像进行特征提取与标注,得到病理数据;
23、联盟链构建模块,用于构建病理数据联盟链,并将所述病理数据存储至所述病理数据联盟链;
24、可视化模块,用于基于元宇宙的方式,搭建病理可视化模块,以使所述存储至所述病理数据联盟链根据需要可视化显示。
25、可选地,所述数据标注模块包括:
26、图像预处理单元,用于对所述病理图像进行图像预处理,得到标准图像;
27、自动标注单元,用于采用多尺度卷积神经网络,将所述标准图像划分为若干区域,进行图像特征识别,并根据识别结果进行自动标注,得到自动标注结果;
28、结果整合单元,用于将手工标注结果和自动标注结果进行对比整合,得到所述病理数据。
29、可选地,所述联盟链构建模块包括:
30、数据标准化单元,用于对所述病理数据进行数据预处理和标准化,得到标准数据;
31、数据结构确定单元,用于采用区块链技术,创建符合上链要求的数据结构;
32、数据上链单元,用于对所述标准数据进行上链处理,并构建病理数据联盟链。
33、可选地,所述数字病理学数据的集成共享装置还包括:
34、任务训练模块,用于利用强化加密模块内的智能合约完成联邦学习模型的任务分配和训练过程。所述智能合约中包含分配任务和权限设置,用于实现分布式的协作和模型训练,保护数据的私有性,其中,所述强化加密模块包括接入单元、聚合单元、存储单元和计算单元,所述接入单用于作为数据提供方和系统的接口,所述聚合单元用于接收和整合来自接入单元的数据流并执行预处理和异常数据剔除,所述存储单元用于对数据进行分片存储,所述计算单元用于执行各种数据分析和机器学习任务。
35、可选地,所述可视化模块包括:
36、第一可视化单元,用于通过特征映射到像素层面的方法,将病理数据对应的图像每个像素点都映射到一个新的颜色空间,基于深度学习的生成对抗网络学习每个像素的颜色映射,用颜色或灰度级别表示不同的特征,得到特征映射可视化结果;
37、第二可视化单元,用于使用自编码器对所述病理数据进行非线性降维,将提取出的特征映射到低维空间,得到像素级可视化结果;
38、第三可视化单元,用于使用梯度上升的方式,从病理数据中提取特定的病理图像特征,并通过cam算法生成类激活图,所述类激活图用于标出影响分类结果的关键图像区域;
39、融合可视化单元,用于将所述类激活图、像素级可视化和特征映射可视化结果进行整合,生成多维度融合可视化图,以使所述存储至所述病理数据联盟链根据需要可视化显示。
4本文档来自技高网...
【技术保护点】
1.一种数字病理学数据的集成共享方法,其特征在于,包括:
2.如权利要求1所述的数字病理学数据的集成共享方法,其特征在于,所述对所述病理图像进行特征提取与标注,得到病理数据包括:
3.如权利要求1所述的数字病理学数据的集成共享方法,其特征在于,所述构建病理数据联盟链,并将所述病理数据存储至所述病理数据联盟链包括:
4.如权利要求1所述的数字病理学数据的集成共享方法,其特征在于,在所述对所述标准数据进行上链处理,并构建病理数据联盟链之后,所述数字病理学数据的集成共享方法还包括:
5.如权利要求1所述的数字病理学数据的集成共享方法,其特征在于,所述基于元宇宙的方式,搭建病理可视化模块,以使所述存储至所述病理数据联盟链根据需要可视化显示包括:
6.一种数字病理学数据的集成共享装置,其特征在于,包括:
7.如权利要求6所述的数字病理学数据的集成共享装置,其特征在于,所述数据标注模块包括:
8.如权利要求6所述的数字病理学数据的集成共享装置,其特征在于,所述可视化模块包括:
9.一种计算机设备,
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的数字病理学数据的集成共享方法。
...【技术特征摘要】
1.一种数字病理学数据的集成共享方法,其特征在于,包括:
2.如权利要求1所述的数字病理学数据的集成共享方法,其特征在于,所述对所述病理图像进行特征提取与标注,得到病理数据包括:
3.如权利要求1所述的数字病理学数据的集成共享方法,其特征在于,所述构建病理数据联盟链,并将所述病理数据存储至所述病理数据联盟链包括:
4.如权利要求1所述的数字病理学数据的集成共享方法,其特征在于,在所述对所述标准数据进行上链处理,并构建病理数据联盟链之后,所述数字病理学数据的集成共享方法还包括:
5.如权利要求1所述的数字病理学数据的集成共享方法,其特征在于,所述基于元宇宙的方式,搭建病理可视化模块,以使所述存储至所述病理数据联盟链根据需要可视...
【专利技术属性】
技术研发人员:陈晓红,刘晓亮,王俊普,袁依格,安庆贤,胡东滨,刘浏,
申请(专利权)人:湖南红普创新科技发展有限公司,
类型:发明
国别省市:
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。