基于参数传递联邦学习的影像组学数据模型构建方法技术

本发明专利技术提供一种基于参数传递联邦学习的影像组学数据模型构建方法，包括以下步骤：S1、按照项目发起单位要求，从医学影像中提取影像组学特征；S2、按照项目发起单位要求，使用多级特征选择方法，在参与医院本地生成最优特征子集；S3、基于上述S2结果，在联邦框架下，使用序列搜索和评价组合方法，融合多个中心特征子集，在中心服务器上生成联邦特征子集；S4、基于上述S3结果，在联邦框架下使用参数传递联邦学习算法，构建基于联邦学习的影像组学模型。该方法尽可能地接近于集中式机器学习训练流程，以解决因数据不平衡所带来的模型难收敛、性能差的问题。

【技术实现步骤摘要】

本专利技术属于多中心影像组学数据模型构建，涉及一种基于参数传递联邦学习的影像组学数据模型构建方法。

技术介绍

1、影像组学(radiomics)方法作为一种新兴的定量分析方法，可自动、高效、可重复地从医学影像(ct、mri、pet等)中提取海量、客观和肉眼难以识别的肿瘤特征。这些特征反映肿瘤微观层面的基因或蛋白质模式改变，可较全面地表征肿瘤异质性，解析影像组学特征与不同临床表型的患者在治疗效果、基因分型、临床结局间的关联以建立预测模型，能够精确地诊断、精准地预测淋巴结转移以及准确地评估治疗反应。影像组学是目前人工智能在医疗领域最热门的应用场景之一，数据样本不足和标签缺乏是人工智能在医疗领域应用的主要障碍。拥有大量的可训练数据样本是建立好的机器学习模型极其重要的基础，这一点已经得到了广泛的讨论和检验[1]。同时，各个独立的医学影像数据呈现孤岛分布，因隐私安全、道德伦理等因素制约，在现实生活中，如何整合各独立机构的医学影像数据，以发挥大数据优势进行模型训练成为了行业面临的共同难题。

2、将联邦学习应用到医疗领域已成为一个必然趋势。一方面，它打破不同本文档来自技高网...

【技术保护点】

1.一种基于参数传递联邦学习的影像组学数据模型构建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于参数传递联邦学习的影像组学数据模型构建方法，其特征在于，步骤S1具体为：

3.根据权利要求1所述一种基于参数传递联邦学习的影像组学数据模型构建方法，其特征在于，步骤S2具体为：

4.根据权利要求1所述一种基于参数传递联邦学习的影像组学数据模型构建方法，其特征在于，步骤S3具体为：

5.根据权利要求1所述一种基于参数传递联邦学习的影像组学数据模型构建方法，其特征在于，步骤S4中，具体为：

【技术特征摘要】

1.一种基于参数传递联邦学习的影像组学数据模型构建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于参数传递联邦学习的影像组学数据模型构建方法，其特征在于，步骤s1具体为：

3.根据权利要求1所述一种基于参数传递联邦学习的影像组学数据模型...

【专利技术属性】
技术研发人员：陈先来，王科，安莹，周建存，何骞，费雄伟，龙岳红，
申请(专利权)人：中南大学，
类型：发明
国别省市：