【技术实现步骤摘要】
本专利技术涉及一种数据分析方法，具体涉及一种隐私保护的跨医院疾病数据分析方法，属于数据分析。
技术介绍
1、在医疗保健领域，患者数据采集和标注成本高，单个站点数据有限，导致深度模型诊断准确率和泛用性不高。多站点方法汇集数据解决“数据孤岛”问题，提升诊断准确率和模型泛用性。然而，数据共享可能导致隐私泄露，给多站点联合训练带来挑战。联邦学习算法能够在只传输模型参数的前提下保护患者的隐私，但在处理异构数据时会出现客户端漂移现象，模型的泛用性与分类效果不能得到有效提高，全局模型无法得到有效聚合。
2、与单点方法相比，多站点分析方法能够通过整合从不同医院或设备收集的样本或知识来提高医学诊断模型的性能。然而，由于不同站点之间的数据共享也给医疗数据的隐私保护带来了巨大挑战。随着公众对个人隐私数据的日益关注和更严格的隐私保护法的实施，迫切需要开发精确且保护医疗隐私的多站点诊断模型。
3、联邦学习能够在不同站点之间进行协作模型训练，同时保护用户隐私。这是通过在本地设备上进行模型训练来实现的，而无需将原始数据传输到中央服务器。作为最...
【技术保护点】
1.一种隐私保护的跨医院疾病数据分析方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种隐私保护的跨医院疾病数据分析方法，其特征在于，步骤1：获取多站点脑影像数据集，并对其进行预处理，得到处理后的静息态功能连接矩阵，具体如下，
3.根据权利要求2所述的一种隐私保护的跨医院疾病数据分析方法，其特征在于，步骤2：根据静息态功能连接矩阵构建脑网络，具体如下，
4.根据权利要求3所述的一种隐私保护的跨医院疾病数据分析方法，其特征在于，步骤3：利用站点内的对比学习提取每个站点各自的特有特征，具体如下：
5.根据权...
【技术特征摘要】
1.一种隐私保护的跨医院疾病数据分析方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种隐私保护的跨医院疾病数据分析方法，其特征在于，步骤1：获取多站点脑影像数据集，并对其进行预处理，得到处理后的静息态功能连接矩阵，具体如下，
3.根据权利要求2所述的一种隐私保护的跨医院疾病数据分析方法，其特征在于，步骤2：根据静息态功能连接矩阵构建脑网络，具体如下，
4.根据权利要求3所述的一种隐私保护的跨医院疾病数据分析方法，其特征在于，步骤3：利用站点内的对比学习提取每个站点各自的特有特征，具体如下：
5.根据权利要求4所述的一种隐私保护的跨医院疾病数据分析方法，其特征在于，步骤4：利用站点间的对比学习提取不同站点的共性特征，具体如下：
6.根据权利要求5所述的一种隐私保护的跨医院疾病数据分析方法，其特征在于，步骤5：最小化双通道特征提取器提取的特征的互信息，具体如下：
7.根据权利要求6所述的一种隐私保护的跨医院疾病数据分析方法，其特征在于，步骤6：利用提取的特征对样本进行分类，首先将提取的个性化特征以及共性特征拼接，组合成样本特征，接着将样本特征输入至多层感知机中进行分类，将样本从特征空间...
【专利技术属性】
技术研发人员：陈枢，朱旗，李胜荣，张道强，
申请(专利权)人：南京航空航天大学，
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。