[发明专利]一种基于联邦学习的心脏病辅助诊断系统

权利要求书

1.一种基于联邦学习的心脏病辅助诊断系统，其特征在于，包括联邦学习服务端和联邦学习客户端；

所述联邦学习服务端，为医疗云服务中心，作为联邦学习的组织协调方，配置有用于诊断心脏病的预测模型；包括初始化模块、模型参数收集模块和模型参数聚合模块；

所述联邦学习客户端为医疗机构，作为联邦学习的主体参与者，同联邦学习服务端，提供模型训练服务及疾病诊断服务；包括数据提取模块、数据预处理模块、协作初始化模块、模型训练模块、加密上传模块和模型预测模块；

所述联邦学习客户端为医疗机构，作为联邦学习的主体参与者，同联邦学习服务端，提供模型训练服务及疾病诊断服务；包括数据提取模块、数据预处理模块、协作初始化模块、模型训练模块、加密上传模块和模型预测模块。

2.根据权利要求1所述的一种基于联邦学习的心脏病辅助诊断系统，其特征在于，所述的初始化模块，初始化联邦学习所需要的相关参数，具体包括：

S11：生成公钥和私钥对{pk,sk}；

S111：随机选择两个长度相等的大素数p、q和整数g，

S112：计算n＝p*q，λ＝lcm(p-1,q-1)，其中lcm函数用于计算最小公倍数；

S113：定义函数计算μ＝(L(g^λmod n²))^-1mod n；

S114：得到生成的公钥pk＝(n,g)，私钥sk＝(λ,μ)。

S12：处理联邦学习客户端的协作申请，更新各客户端的样本数量n；

S13：初始化全局模型参数w'、学习率η、迭代次数t＝0、迭代周期T，以及本地迭代次数E(E∈Z⁺)；

S14：将生成的参数广播给各个联邦学习客户端。

3.根据权利要求1所述的一种基于联邦学习的心脏病辅助诊断系统，其特征在于，所述的模型参数收集模块，对各个联邦学习客户端的局部模型参数进行收集；具体包括：

S21：接收联邦学习客户端上传的数据，使用私钥解密，并对全局迭代次数进行验证，验证通过则数据有效；

S22：到达一个迭代周期后判断验证通过的数据量是否达到期望的比例，否则再等待一个迭代周期。

4.根据权利要求1所述的一种基于联邦学习的心脏病辅助诊断系统，其特征在于，所述的模型参数聚合模块，对收集到的模型参数进行聚合处理，具体包括：

S31：对模型参数收集模块收集到的模型参数，使用FedAvg联邦加权平均算法进行聚合，得到下一轮的全局模型参数，公式为：

其中w'为新一轮的全局模型参数，w_k、n_k为第k个联邦学习客户端的模型参数及样本数量，n为样本总数，K为联邦学习客户端个数；

S32：更新全局迭代次数g←g+1；

S33：若g大于设定的阈值，通知客户端联邦学习训练结束，并广播全局模型参数，流程终止，否则继续执行下一步；

S34：将处理得到的全局模型参数w'以及迭代次数g反馈至各个联邦学习客户端，重复步骤S2-S3。

5.根据权利要求1所述的一种基于联邦学习的心脏病辅助诊断系统，其特征在于，所述的数据提取模块，从HIS系统(医院信息系统)查询心脏病已诊断患者的电子健康记录数据和是否确诊数据并对数据进行处理集成，具体为：

(1)：对HIS数据库相关表进行连接查询，得到患者的电子健康记录数据。查询得到的电子健康记录数据应包含结构化的实验室测量数据以及非结构化的病历信息；

(2)：根据原始特征对非结构化的文本数据进行关键词匹配，连同结构化的实验室测量数据进行集成，得到结构化的原始数据集。