[发明专利]基于区块链的神经网络在线学习方法及系统

说明书

本发明涉及神经网络在线学习技术领域，具体涉及一种基于区块链的神经网络在线学习方法及系统。方法包括：根据区块链上存储的训练好的初始DNN网络，得到初始训练集中各医疗图像对应的特征矩阵以及准确率；计算期望特征矩阵；得到待训练数据集中各医疗图像对应的特征矩阵以及准确率；根据所述期望特征矩阵与待训练数据集中各医疗图像对应的特征矩阵，计算初始训练集中各医疗图像对应的关注程度；判定其是否大于设定关注程度阈值，若大于，则将对应的医疗图像和所述待训练数据集共同用于更新初始DNN网络，并存储在区块链上。本发明根据初始训练集中各医疗图像的关注程度，得到一个新的训练集对DNN网络进行更新和训练，使DNN网络能够快速收敛。

技术领域

本发明涉及神经网络在线学习技术领域，具体涉及一种基于区块链的神经网络在线学习方法及系统。

背景技术

随着医疗技术的不断进步，医疗图像数据已成为病情诊断和疾病治疗的重要分析数据。同时，伴随着人工智能技术的发展，利用神经网络来分析处理图像数据已成为数据分析领域的发展趋势。

但是由于医疗图像数据的标注需要专业人士来完成，因此数据集难以获取并且数量少。又由于不同医院之间很难大规模的共享数据集，导致每个医院利用自身数据集训练的神经网络准确率低，容易出现过拟合或欠拟合的问题。而现有的联邦学习方法或者其他方法给出了一种在医院不共享数据集的情况下利用所有医院的数据集的特征训练一个准确的神经网络的方法。不过随着新的图像数据被标注标签，新的数据集不断产生，数据集规模不断变大，此时需要用新的数据集去重新训练之前旧的神经网络的参数。

现有技术存在以下缺陷：现有的方法是将新的数据集和之前的旧的数据集作为一个大的数据集在旧的神经网络上进行参数的重新训练，但是这种方法需要所有旧的数据集参与训练，没有充分利用神经网络已经学习到的特征，导致网络重新训练时收敛的慢。

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神经网络在线学习方法及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于区块链的神经网络在线学习方法及系统，该方法包括以下步骤：

根据区块链上存储的训练好的初始DNN网络，得到初始训练集中各医疗图像对应的特征矩阵以及特征矩阵对应的准确率；

根据初始训练集中各医疗图像对应的特征矩阵以及各特征矩阵对应的准确率，计算期望特征矩阵；

将待训练数据集中各医疗图像输入到所述初始DNN网络的编码器中，得到待训练数据集中各医疗图像对应的特征矩阵以及特征矩阵对应的准确率；

根据所述期望特征矩阵与待训练数据集中各医疗图像对应的特征矩阵，计算初始训练集中各医疗图像对应的关注程度；

判定初始训练集中各医疗图像对应的关注程度是否大于设定关注程度阈值，若大于，则将对应的医疗图像和所述待训练数据集共同用于更新初始DNN网络，并将更新后的DNN网络存储在区块链上。

第二方面，本发明另一个实施例提供了一种基于区块链的神经网络在线学习系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述所述的基于区块链的神经网络在线学习方法。

优选的，所述计算初始训练集中各医疗图像对应的关注程度的方法包括：

根据所述期望特征矩阵、所述待训练数据集中各医疗图像对应的特征矩阵以及对应的准确率，得到各特征矩阵对应的异常程度；

根据所述初始训练集中各医疗图像对应的特征矩阵和所述期望特征矩阵，计算出初始训练集差异；

根据所述初始训练集中各医疗图像对应的特征矩阵和所述待训练数据集中各医疗图像对应的特征矩阵，计算出训练集差异；