【技术实现步骤摘要】
本专利技术涉及生存预测领域，特别涉及一种癌症生存预测方法、装置、设备及存储介质。
技术介绍
1、精确的诊断和准确的生存预测能够帮助临床医生根据癌症患者个体情况制定最佳的治疗方案，有效缓解治疗过度和医疗资源分配不合理问题。近年来，基于组织病理学图像和多组学数据融合的深度学习方法已经越来越多地应用于癌症生存预测。然而，现有多模态数据融合方法需要用到大量来自不同区域、不同患者群体的样本进行训练，以适应临床中存在的异质性问题。如果直接上传不同医院的患者数据到单个云端训练多模态融合模型，可能会导致癌症患者的病理学图像和多组学等临床数据泄漏问题。因此，如何解决多模态融合预测癌症患者预后时的数据安全隐私问题是本领域有待解决的问题。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种癌症生存预测方法、装置、设备及存储介质，通过基于云边协同多模态融合的癌症生存预测方法，在云边协同中引入差分隐私学习解决跨医院多模态医疗数据融合生存预测时的患者数据安全问题。其具体方案如下：
2、第一方面，本申...
【技术保护点】
1.一种癌症生存预测方法，其特征在于，应用于任一边缘服务器，包括：
2.根据权利要求1所述的癌症生存预测方法，其特征在于，所述获取所述边缘服务器对应的若干边缘设备上传的癌症患者的历史患者数据之后，还包括：
3.根据权利要求1所述的癌症生存预测方法，其特征在于，所述将所述预设本地模型的本地模型参数上传至预设云服务器之前，还包括：
4.根据权利要求1所述的癌症生存预测方法，其特征在于，所述全局模型为所述预设云服务器根据若干所述预设本地模型的所述本地模型参数基于联邦平均聚合算法进行参数聚合后得到的模型。
5.根据权利要求1至4...
【技术特征摘要】
1.一种癌症生存预测方法，其特征在于，应用于任一边缘服务器，包括：
2.根据权利要求1所述的癌症生存预测方法，其特征在于，所述获取所述边缘服务器对应的若干边缘设备上传的癌症患者的历史患者数据之后，还包括：
3.根据权利要求1所述的癌症生存预测方法，其特征在于，所述将所述预设本地模型的本地模型参数上传至预设云服务器之前，还包括：
4.根据权利要求1所述的癌症生存预测方法，其特征在于，所述全局模型为所述预设云服务器根据若干所述预设本地模型的所述本地模型参数基于联邦平均聚合算法进行参数聚合后得到的模型。
5.根据权利要求1至4任一项所述的癌症生存预测方法，其特征在于，所述分别利用所述历史患者数据中的所述病理学图像和所述多组学数据基于对应的编码器进行编码后，将得到的编码进行融合，并基于融合后的多模态编码对所述预设本地模型进行当前轮次的训练，包括：<...
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。