[发明专利]使用深度学习网络的匿名和安全分类

权利要求书

1.一种用于在医学成像中的机器学习分类器的使用的方法，所述方法包括：

用医学扫描器获取表示患者的扫描数据；

用第一处理器通过深度学习网络的层的第一集合来处理所述扫描数据，所述深度学习网络包括层的所述第一集合和层的第二集合，层的所述第一集合包括两个或更多层；

将层的所述第一集合的输出通过通信网络从所述第一处理器传输到第二处理器，所述输出与所述扫描数据不同并且对患者而言比所述扫描数据更匿名；

用所述第二处理器通过所述深度学习网络的层的所述第二集合来处理层的所述第一集合的输出，层的所述第二集合的输出是所述扫描数据的分类；以及

将对于患者的所述扫描数据的所述分类通过所述通信网络从所述第二处理器传输到所述第一处理器。

2.如权利要求1所述的方法，其中获取扫描数据包括获取所述扫描数据作为计算断层摄影术、磁共振、超声、正电子发射断层摄影术或单光子发射计算断层摄影术数据。

3.如权利要求1所述的方法，其中处理所述扫描数据包括用深度学习网络处理，所述深度学习网络是从具有已知分类的其他患者的扫描的训练数据学习的神经网络。

4.如权利要求1所述的方法，其中处理所述扫描数据包括用包括卷积层、最大池化层或所述卷积层和所述最大池化层两者的层的所述第一集合处理；以及

其中，处理所述输出包括用包括完全连接层、上卷积层或所述完全连接层和所述上卷积层两者的层的所述第二集合处理。

5.如权利要求1所述的方法，其中处理所述扫描数据包括将所述扫描数据输入到层的所述第一集合的第一层，并且将所述第一层的输出输入到层的所述第一集合的第二层。

6.如权利要求1所述的方法，其中传输所述输出包括相对于所述扫描数据传输所述输出作为抽象，并且其中传输所述分类包括传输所述分类作为解剖的标识、病变的标识、良性的或恶性的标识或疾病的阶段。

7.如权利要求1所述的方法，其中传输所述输出包括从在具有所述医学扫描器的设施中的所述第一处理器传输到所述第二处理器，所述第二处理器包括云服务器。

8.如权利要求1所述的方法，其中处理所述输出包括用在层的所述第二集合中的两个或更多层来处理。

9.如权利要求1所述的方法，进一步包括：

将层的所述第一集合的参数存储为加密的。

10.如权利要求1所述的方法，进一步包括：

对所述输出进行加密，其中传输所述输出包括将所述输出传输为加密的；以及

在处理所述输出之前，由所述第二处理器对作为加密的所述输出进行解密。

11.如权利要求1所述的方法，进一步包括：

将所述分类的医师验证的结果传输到所述第二处理器；以及

基于所述医师验证的结果和层的所述第一集合的输出并且在不对层的所述第一集合进行重新训练的情况下，对所述深度学习网络的层的所述第二集合进行重新训练。

12.一种用于用于匿名化数据传送的机器学习系统的使用的方法，所述方法包括：

在第一位置中的第一计算机上操作k层的神经网络的仅第一部分，所述第一部分包括所述k层中的n层；

将从所述神经网络的所述第一部分得到的激活数据传输到在远离所述第一位置的第二位置处的云服务器；

从所述云服务器接收所述神经网络的输出，所述输出来自所述神经网络的仅第二部分的操作，所述第二部分是k-n层；以及

在所述第一计算机上显示所述输出。

13.如权利要求12所述的方法，其中，操作包括在对于人的数据上操作，并且其中传输包括在所述第一部分的操作去除了人的标识信息的情况下传输所述激活数据。