[发明专利]一种基于区块链的医疗数据神经网络特征融合方法及系统

说明书

本发明涉及人工智能和区块链技术领域，具体涉及一种基于区块链的医疗数据神经网络特征融合方法及系统。该方法包括：将医院中网络准确率最高的基础神经网络的参数存储至对应医院生成的基础区块中。利用基础区块获得更新参数和参数更新神经网络；将所有医院的更新参数存储至更新参数区块中。根据基础区块和更新参数区块获得更新权重和目标神经网络；将更新权重和更新前后的损失函数变化量存储至临时区块中。根据每个医院的临时区块获得损失函数变化量序列；根据损失函数变化量序列的反映出的不稳定度获得选择概率；根据选择概率重新遍历所有医院，更新目标神经网络，直至目标神经网络准确率达到标准。本发明通过共享网络参数获得准确率高的网络。

技术领域

本发明涉及人工智能和区块链技术领域，具体涉及一种基于区块链的医疗数据神经网络特征融合方法及系统。

背景技术

随着医疗技术的进步，各种医疗设备相继出现，大大增加了医院对患者的疾病诊断能力。各种医疗设备的应用，产生大量的数据，通过对这些数据的分析，可以获得患者的病情信息，其中图像信息是分析病情的常用数据，例如X光照片、窥镜图像等。

人工智能技术的应用极大的加强了医疗图像数据的分析能力，随着人工智能技术在医疗图像分析领域的应用，将加快患者病情诊断的时间，节省诊断费用。现阶段人工智能技术在医疗图像领域的应用时需要对医疗图像数据打标签，然后训练神经网络，之后才能将神经网络应用于医疗图像的分析之中。然而，医疗图像数据标注需要依靠专业人士，并且各医院的医疗数据处于隐私保护不能实现共享，导致没有足够多的数据集训练神经网络，或者训练神经网络准确率低和其他问题。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于区块链的医疗数据神经网络特征融合方法及系统，所采用的技术方案具体如下：

本发明提出了一种基于区块链的医疗数据神经网络特征融合方法，其特征在于，所述方法包括：

获取每个医院的基础神经网络；将网络准确率最高的所述基础神经网络的参数存储至对应医院生成的基础区块中；

利用所述基础区块更新每个所述医院的所述基础神经网络，获得更新参数和参数更新神经网络；将所有医院的所述更新参数存储至更新参数区块中；所述更新参数区块为网络准确率最高的所述参数更新神经网络对应的医院生成的区块；

随机选择医院，获得选择顺序；根据所述基础区块和所述更新参数区块更新医院的所述参数更新神经网络，获得更新权重和目标神经网络；将所述更新权重和更新前后的损失函数变化量存储至医院生成的临时区块中；根据选择顺序通过上一个选择的医院的所述临时区块、所述基础区块和所述更新参数区块获得目标神经网络和所述临时区块，直至遍历所有医院；

当遍历次数达到预设遍历次数阈值时，读取所述临时区块中的所述损失函数变化量，获得损失函数变化量序列；根据所述损失函数变化量序列获得每个医院的不稳定度；根据所述不稳定度获得医院的选择概率；根据所述选择概率重新遍历所有医院，更新所述目标神经网络，直至所述目标神经网络的网络准确率达到标准。

进一步地，所述方法还包括：

根据区块的类别对生成区块的医院分配奖励。

进一步地，所述根据区块的类别对生成区块的医院分配奖励包括：

分别对所述基础区块和所述更新参数区块对应的医院根据所述网络准确率分配第一奖励。

进一步地，所述根据区块的类别对生成区块的医院分配奖励包括：

根据所述目标神经网络的网络准确率均值、所述临时区块的平均区块生成时间、每个医院生成的所述临时区块的数量和所述目标神经网络的网络准确率达到标准时临时区块总数量对医院分配第二奖励；所述第二奖励包括：