【技术实现步骤摘要】
本专利技术属于医疗数据信息分析，涉及一种多医疗机构时序数据的隐私排序方法、装置及计算机设备。
技术介绍
1、随着大数据技术的发展，深度学习与医疗时序数据的结合在医疗健康行业中扮演着越来越重要的角色，特别是在预防流行病、健康风险预测和疾病亚型分类等与人类健康生命相关的领域。而随着个人隐私意识的提高，以及各地隐私规定的出台，医疗数据的直接共享面临隐私泄露、难以追溯和审计的问题，分布式深度学习成为隐私保护医疗数据学习的新方向。同时，人口流动性逐渐增长的当下，异地就医人数不断增长，分级诊疗制度普遍推行，患者通常会有跨多院的就诊记录。将安全多方计算引入跨院数据排序，成为保护患者就诊隐私的时序数据排序的新解决方案。多医疗机构时序数据的隐私排序方法能够实现在保护患者隐私的前提下，完成就诊数据发生时间的先后比较，抵御推理攻击。
2、现有方法致力于实现安全、高效和可解释的分布式时序数据学习，然而现有方法都假设单个患者的所有时序数据都分布于单个客户端，如何在不泄露具体就诊时间等隐私信息的前提下，完成跨多个医疗机构的多位患者的医疗数据的时序排序的...
【技术保护点】
1.一种多医疗机构时序数据的隐私排序方法，其特征在于，包括步骤：
2.根据权利要求1所述的多医疗机构时序数据的隐私排序方法，其特征在于，确定时间窗口的过程，包括：
3.根据权利要求1所述的多医疗机构时序数据的隐私排序方法，其特征在于，建立时序统计表的过程，包括：
4.一种多医疗机构时序数据的隐私排序装置，其特征在于，包括：
5.根据权利要求4所述的多医疗机构时序数据的隐私排序装置，其特征在于，所述注册窗口模块在确定时间窗口时，用于确定排序窗口的细粒度后确定时间窗口。
6.根据权利要求4所述的多医疗机构时序数据...
【技术特征摘要】
1.一种多医疗机构时序数据的隐私排序方法，其特征在于，包括步骤：
2.根据权利要求1所述的多医疗机构时序数据的隐私排序方法，其特征在于，确定时间窗口的过程，包括：
3.根据权利要求1所述的多医疗机构时序数据的隐私排序方法，其特征在于，建立时序统计表的过程，包括：
4.一种多医疗机构时序数据的隐私排序装置，其特征在于，包括：
5.根据权利要求4所述的多医疗机构时序数据的隐私排序装置，其特征在于，所述注册窗...
【专利技术属性】
技术研发人员：蔡志平，胡玲，周桐庆，刘志煌，汤永灏，罗玉川，
申请(专利权)人：中国人民解放军国防科技大学，
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。