基于联邦学习模型的急性传染性肺炎智能监测系统及方法技术方案

本发明专利技术提出了基于联邦学习模型的急性传染性肺炎智能监测系统及方法，属于医疗诊断技术领域，解决了急性传染性肺炎诊断中缺乏综合影像和临床资料的多模态诊断能力，导致对病灶定性诊断准确性较差以及诊断方法中缺乏对未学习数据的检测能力，诊断流程繁琐、速度较慢的问题，系统包括：中央服务器、本地客户端‑医院1、本地客户端‑医院2、本地客户端‑医院3、本地客户端‑医院4、本地客户端‑医院5和本地客户端‑医院6；中央服务器与本地客户端‑医院1、本地客户端‑医院2、本地客户端‑医院3、本地客户端‑医院4、本地客户端‑医院5和本地客户端‑医院6加密双向通信连接。

【技术实现步骤摘要】

本专利技术涉及基于联邦学习模型的急性传染性肺炎智能监测系统及方法，属于医疗诊断。

技术介绍

1、急性传染性肺炎胸部ct具有相对特异性的表现,因此,在疫情早期病原体尚不确定或rt-pcr试剂盒产能受限的情况下，胸部ct可能是急性不明原因或传染性肺炎唯一可用的检测或筛查方式。其具有远高于rt-pcr核酸检测的诊断灵敏度(97％对比50％)，且检测速率更快。在这种影像筛查需求的驱动下，基于卷积神经网络(cnn)的胸部ct人工智能(ai)诊断模型得到了快速的发展和应用。但是，这些模型普遍存在三点不足:1.缺乏独立的“一检多病”能力，实际使用需联用多种算法模型，诊断流程繁琐、速度较慢。2.缺乏综合影像和临床资料的多模态诊断能力，导致对病灶定性诊断准确性较差。3.缺乏对未学习数据的检测能力，如不明原因肺炎等。

2、数据是任何ai模型训练的基石，能否获得数量大、质量高的数据集已经成为制约其进一步发展的重要因素之一。但是，在医学领域，建立大样本数据集的难度和成本极大。近年来快速发展的联邦学习(federated learning)框架为上述难题提供了一种理想的本文档来自技高网...

【技术保护点】

1.基于联邦学习模型的急性传染性肺炎智能监测系统，其特征在于，所述基于联邦学习模型的急性传染性肺炎智能监测系统的结构包括：

2.根据权利要求1所述的基于联邦学习模型的急性传染性肺炎智能监测系统，其特征在于，所述本地客户端-医院1、本地客户端-医院2、本地客户端-医院3、本地客户端-医院4、本地客户端-医院5和本地客户端-医院6均包括本地多模态数据库、多模态数据预处理模块和多模态、跨模态智能诊断预警网络；

3.根据权利要求2所述的基于联邦学习模型的急性传染性肺炎智能监测系统，其特征在于，所述多模态、跨模态智能诊断预警网络包括CNN网络和Transformer网络；<...

【技术特征摘要】

1.基于联邦学习模型的急性传染性肺炎智能监测系统，其特征在于，所述基于联邦学习模型的急性传染性肺炎智能监测系统的结构包括：

2.根据权利要求1所述的基于联邦学习模型的急性传染性肺炎智能监测系统，其特征在于，所述本地客户端-医院1、本地客户端-医院2、本地客户端-医院3、本地客户端-医院4、本地客户端-医院5和本地客户端-医院6均包括本地多模态数据库、多模态数据预处理模块和多模态、跨模态智能诊断预警网络；

3.根据权利要求2所述的基于联邦学习模型的急性传染性肺炎智能监测系统，其特征在于，所述多模态、跨模态智能诊断预警网络包括cnn网络和transformer网络；

...

【专利技术属性】
技术研发人员：杨炼，潘峰，刘威葳，龚冰鑫，郭煜升，娄杰，任懿，范茜茜，李灵丽，陈铨，
申请(专利权)人：华中科技大学同济医学院附属协和医院，
类型：发明
国别省市：