龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：扬州大学
摘要：本发明公开了一种基于图联邦对比表示学习的医疗数据分析分类方法、系统及介质，所述方法在图联邦学习开始时，每个拥有临床数据的医疗机构和服务器分配相同的初始模型；每个医疗机构利用持有的图结构数据在本地通过对比学习方法进行模型训练；医疗机构将本地模型参数发送给中央聚合服务器，服务器负责聚合所有参与方的模型参数并将聚合后的参数发送回医疗机构；重复本地训练、参数聚合和融合步骤，通过多轮迭代，不断改进数据分析分类模型参数，以适应多个参与训练的医疗机构的数据特征；另外将通过简化的基于图联邦对比表示学习方法学习到的节点的嵌入表示输入到机器学习分类器中，进行节点分类，建立更加全面和准确的疾病分类器。
主权项：1.一种基于图联邦对比表示学习的医疗数据分析分类方法，其特征在于，包括以下步骤：1对客户端和服务器进行初始化，在图联邦学习开始时，分发给每个客户端一个和服务器相同的初始双层MLP模型，作为本地模型；2每个客户端根据本地患者的医疗数据组成本地图数据，通过对比学习进行模型训练，确定本地模型的参数；其中，本地图数据包括患者的特征表示矩阵和患者关系的邻接矩阵，本地图数据的结构中，节点表示患者，节点特征表示患者的属性特征，边表示患者关系特征；3每个客户端将步骤2得到的本地模型的参数发送至服务器，服务器对所有客户端的本地模型的参数进行聚合，并将聚合结果更新为服务器当前的模型参数，发送服务器当前的模型参数至每个客户端，将其更新为客户端当前的模型参数；4重复步骤2和3，通过多轮迭代，得到高适应性的本地模型，当前本地模型通过编码器输出患者的节点嵌入矩阵；5根据步骤4得到迭代后编码器输出的患者的节点的嵌入矩阵和迭代前的患者的初始图数据，确定增强后的患者节点嵌入，输入到机器学习分类器中，进行节点分类，得到患者的疾病预测分类结果。
全文数据：
权利要求：
百度查询： 扬州大学 一种基于图联邦对比表示学习的医疗数据分析分类方法、系统及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号