【技术实现步骤摘要】
本专利技术涉及智能医疗，更具体地，涉及一种基于联邦大模型的实体恶性肿瘤临床辅助决策方法、系统、设备和计算机可读存储介质。
技术介绍
1、随着医疗技术的发展，医疗数据量呈现爆炸性增长，这些数据包括但不限于患者病历、临床试验结果、医学影像和实验室测试结果。这些数据的复杂性和敏感性要求使用高效、安全且准确的方法进行处理和分析，以支持医疗决策。传统的中心化数据处理方法面临着数据隐私和安全的严重挑战，尤其是在涉及敏感的医疗数据时。此外，中心化方法还需要庞大的数据存储和处理能力，这在资源和成本上都是一大负担。另一方面，现有的医疗决策支持系统在处理复杂的医疗数据时，可能因为缺乏高效的数据分析工具，而无法充分利用这些数据来提供准确的诊断和治疗建议。
2、尽管为解决数据安全性和隐私性问题，已将联邦学习和分布式训练的方法引入医疗数据的处理中，但是现有技术在以下方面仍然存在不足：
3、1、在现有的机器学习和分布式框架中，不同用户端的计算能力和数据质量可能存在很大差异，可能导致学习过程中的效率不均和资源利用不平衡，从而影响整个系统的性能
4、本文档来自技高网...
【技术保护点】
1.一种基于联邦大模型的实体恶性肿瘤临床辅助决策方法，其特征在于，所述联邦学习由参数服务器和n个用户端组成，n为大于1的自然数，所述方法包括：
2.根据权利要求1所述的基于联邦大模型的实体恶性肿瘤临床辅助决策方法，其特征在于，所述参数服务器包括版本管理模块，所述版本管理模块保存了不同的全局参数版本，所述全局参数版本包括版本号、全局参数、版本时间戳，所述版本管理模块还保存了个用户端上的全局参数版本号，所述版本管理模块的工作包括以下步骤：
3.根据权利要求2所述的基于联邦大模型的实体恶性肿瘤临床辅助决策方法，其特征在于，所述延迟时间是由所述版本管理...
【技术特征摘要】
1.一种基于联邦大模型的实体恶性肿瘤临床辅助决策方法，其特征在于，所述联邦学习由参数服务器和n个用户端组成，n为大于1的自然数，所述方法包括：
2.根据权利要求1所述的基于联邦大模型的实体恶性肿瘤临床辅助决策方法，其特征在于，所述参数服务器包括版本管理模块，所述版本管理模块保存了不同的全局参数版本，所述全局参数版本包括版本号、全局参数、版本时间戳，所述版本管理模块还保存了个用户端上的全局参数版本号，所述版本管理模块的工作包括以下步骤：
3.根据权利要求2所述的基于联邦大模型的实体恶性肿瘤临床辅助决策方法，其特征在于，所述延迟时间是由所述版本管理模块根据所述n个用户端版本差异和所述用户端的本地模型参数上传时间决定的。
4.根据权利要求1所述的基于联邦大模型的实体恶性肿瘤临床辅助决策方法，其特征在于，所述更新的全局参数值的计算公式为：
5.根据权利要求4所述的基于联邦大模型的实体恶性肿瘤临床辅助决策方法，其特征在于，所述贡献度根据所述用户端的历史参数质量和迭代完成速度动态调整所述用户端的本地模型参数在全局参数更新中的权重。
6.根据权利要求5所述的基于联邦大模型的实体恶性肿瘤临床辅助决策方法，其特征在于，所述用户端i的贡献度使用的计算公式如下：
7.根据权利要求1所述的基于联邦大模型的实体恶性肿瘤临床辅助决策方法，其特征在于，使用动态梯度裁剪后的梯度更新得到所述用户端的本地模型参数上传到所述参数服务器，所述梯度裁剪的阈值基于所述用户端的性能分数计算得到，所述用户端的性能分数根据用户...
【专利技术属性】
技术研发人员：孙宇慧，何昆仑，
申请(专利权)人：中国人民解放军总医院，
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。