[发明专利]一种基于边缘计算和联邦学习的云边协调医疗系统

说明书

本发明公开了一种基于边缘计算和联邦学习的云边协调医疗系统，属于物联网人工智能技术领域，要解决的技术问题为如何缓解医疗系统中云计算的通信压力和数据共享冲突。云端，配置有各类用于诊断疾病的诊断模型；边缘端，用于采集患者的医疗数据作为本地医疗数据，用于与所述云端配合、基于联邦学习提供模型训练服务，并用于提供疾病诊断服务；模型训练服务为：边缘端基于本地医疗数据对从云端分发的诊断模型进行局部的模型训练，并将训练得到模型梯度加密上次云端，云端聚合模型梯度并更新所述诊断模型，并将更新后的诊断模型分发至各个边缘端；疾病诊断服务为：基于从云端下发的诊断模型进行疾病预测。

技术领域

本发明涉及物联网人工智能技术领域，具体地说是一种基于边缘计算和联邦学习的云边协调医疗系统。

背景技术

目前，我国医疗卫生数据平台规模不一，缺乏统一的标准和规范，数据呈现多源结构和跨时空特征，质量参差不齐，分布分散，难以发布。医疗和健康数据(如电子健康记录)包含大量医疗信息。它们的分析和挖掘可以应用于疾病预测、医疗辅助诊断、个性化信息推荐、临床决策支持、药物模式挖掘等领域。一方面，通过云计算存储和处理健康数据的传统方式可能会导致云网络通信的开销和负载压力；另一方面，因为云计算使用来自多个医疗和保健设施的个人数据，可能导致部门间利益冲突和患者的个人资料。为了挖掘不同机构的数据价值，实现碎片化数据的共享和整合，应该实施基于双赢组织的数据交换，通过联合技术研发和管理机制创新，促进碎片化本地数据的整合。各种移动设备、智能穿戴设备和医疗健康传感器持续产生海量数据，数亿用户使用互联网服务，这显示了边缘测量数据的爆炸性增长趋势，并实现了数据驱动的人工智能。然而，仍然存在诸如“数据岛”之类的问题。

为了解决云计算的问题，应考虑采用边缘计算模式将初步的数据处理放在边缘计算服务器上，并平衡通信和计算性能。

基于上述，如何缓解医疗系统中云计算的通信压力和数据共享冲突，是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供一种基于边缘计算和联邦学习的云边协调医疗系统，来解决医疗系统中云计算的通信压力和数据共享冲突的技术问题。

本发明的一种基于边缘计算和联邦学习的云边协调医疗系统，包括：

云端，所述云端配置有各类用于诊断疾病的诊断模型；

边缘端，所述边缘端共多个且分布于各个医疗科室，用于采集患者的医疗数据作为本地医疗数据，用于与所述云端配合、基于联邦学习提供模型训练服务，并用于提供疾病诊断服务；

所述模型训练服务为：对于每一类诊断模型，所述边缘端基于本地医疗数据对从云端分发的诊断模型进行局部的模型训练，并将训练得到模型梯度加密上次云端，云端聚合模型梯度并更新所述诊断模型，并将更新后的诊断模型分发至各个边缘端；

所述疾病诊断服务为：所述边缘端以本地医疗数据为输入，基于从云端下发的诊断模型进行疾病预测，得到疾病诊断结果。

作为优选，所述云端通过云端服务器存储各类用于诊断疾病的诊断模型，并用于通过云端服务器聚合模型梯度以更新模型参数，并基于更新后的模型参数对诊断模型进行全局训练，得到更新后的诊断模型。

作为优选，所述边缘端包括：

数据采集模块，所述数据采集模块用于采集患者的医疗数据，所述医疗数据包括相对动态变化的健康监测数据以及相对稳定不变的健康数据；

数据传输模块，所述数据传输模块支持无线通信模式，与所述数据采集模块交互，用于传送医疗数据；

医疗管理模块，所述医疗管理模块与作为智能医疗设备使用者的用户交互，用于支持用户配置医疗任务，所述医疗任务包括模型训练任务和疾病诊断任务；