[发明专利]用于增强分布式医疗网络的系统和方法

权利要求书

1.用于增强分布式医疗网络的计算机实现的方法，所述分布式医疗网络包括多个本地计算机，所述多个本地计算机中的每个本地计算机托管配置有活动参数集的机器学习模型，所述方法包括：

将与每个本地计算机对应的训练数据输入到它们对应的机器学习模型中；

生成多个局部损失，其包括至少部分地基于所对应的训练数据生成针对每个机器学习模型的局部损失；

生成多个局部参数梯度，其包括至少部分地基于所对应的局部损失生成针对每个机器学习模型的局部参数梯度；

至少部分地基于所述多个局部参数梯度生成全局参数更新；以及

通过至少部分地基于所述全局参数更新而至少更新机器学习模型对应的活动参数集，来更新托管在所述多个本地计算机中的每个本地计算机处的每个机器学习模型。

2.根据权利要求1所述的计算机实现的方法，其特征在于，所述局部参数梯度为局部权重梯度和局部偏差梯度中的一个。

3.根据权利要求1所述的计算机实现的方法，其特征在于，所述生成局部参数梯度包括确定非零参数梯度。

4.根据权利要求1所述的计算机实现的方法，其特征在于，所述生成全局参数更新包括对所述多个局部参数梯度求平均。

5.根据权利要求1所述的计算机实现的方法，其特征在于，还包括：

将所述多个局部参数梯度从所述多个本地计算机传送到所述分布式医疗网络的中央计算机；以及

将所述全局参数更新从所述中央计算机传送到所述多个本地计算机；

其中，所述生成全局参数更新包括在所述中央计算机处生成所述全局参数更新。

6.根据权利要求5所述的计算机实现的方法，其特征在于，还包括：

在所述中央计算机上实施超时周期，使得所述中央计算机被配置为在所述超时周期之后拒绝接收局部参数梯度。

7.根据权利要求5所述的计算机实现的方法，其特征在于，还包括：

在传送所述多个局部参数梯度之前，在所述多个本地计算机处压缩和加密所述多个局部参数梯度；以及

在传送所述多个局部参数梯度之后，在所述中央计算机处解密和解压所压缩的多个局部参数梯度。

8.根据权利要求1所述的计算机实现的方法，其特征在于，还包括：

在所述多个本地计算机之间传送所述多个局部参数梯度；

其中，所述生成全局参数更新包括在所述多个本地计算机的每个本地计算机处生成所述全局参数更新。

9.根据权利要求8所述的计算机实现的方法，其特征在于，还包括：

在每个本地计算机上实施超时周期，使得每个本地计算机被配置为在所述超时周期之后拒绝接收局部参数梯度。

10.根据权利要求8所述的计算机实现的方法，其特征在于，还包括：

在传送所述多个局部参数梯度之前，在所述多个本地计算机处压缩和加密所述多个局部参数梯度；以及

在传送所述多个局部参数梯度之后，在所述多个本地计算机处解密和解压所压缩的多个局部参数梯度。

11.根据权利要求1所述的计算机实现的方法，其特征在于，还包括：

生成多个局部参数集，其包括至少部分地基于所述多个局部参数梯度中对应的局部参数梯度来生成针对每个机器学习模型的局部参数集；

其中，所述至少部分地基于所述多个局部参数梯度生成全局参数更新包括至少部分地基于所述多个局部参数集生成所述全局参数更新。

12.根据权利要求11所述的计算机实现的方法，其特征在于，所述局部参数集包括局部权重集和局部偏差集中的一个。

13.根据权利要求11所述的计算机实现的方法，其特征在于，所述生成所述全局参数更新包括对所述多个局部参数集求平均。