[发明专利]电子设备、疾病类型检测方法、装置及介质在审
| 申请号: | 202011127805.4 | 申请日: | 2020-10-20 |
| 公开(公告)号: | CN112259238A | 公开(公告)日: | 2021-01-22 |
| 发明(设计)人: | 李泽远;王健宗 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
| 主分类号: | G16H50/50 | 分类号: | G16H50/50;G16H10/60;G06K9/62;G06F21/60 |
| 代理公司: | 深圳市沃德知识产权代理事务所(普通合伙) 44347 | 代理人: | 高杰;于志光 |
| 地址: | 518000 广东省深圳市福田区福*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 电子设备 疾病 类型 检测 方法 装置 介质 | ||
1.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行如下步骤:
从服务端获取初始梯度参数,根据所述初始梯度参数构建疾病类型检测模型,通过本地的图像训练数据对所述疾病类型检测模型进行训练,得到所述疾病类型检测模型的训练后的模型梯度参数;
访问服务端的监听端口,与所述服务端成功建立连接后,将训练后的所述模型梯度参数加密运算后上传至服务端;
接收服务端传送的更新后的模型梯度参数,根据所述更新后的模型梯度参数得到标准疾病类型检测模型;
接收待检测图像数据,将所述待检测图像数据依次通过所述标准疾病类型检测模型的卷积层,归一化层,线性整流层,随机失活层,全连接层及逻辑回归层,得到疾病类型检测结果。
2.如权利要求1所述的电子设备,其特征在于,所述对所述模型梯度参数进行加密后上传至服务端,包括:
随机选取大质数p,q,使得pq与(p-1)(q-1)的最大公倍数为1;
计算n=p×q,且满足λ(n)=lcm(p-1,q-1),其中,lcm为最小公倍数,λ为卡迈克尔函数;
随机选择一个小于n2的正整数g,并计算μ=(L(gλmodn2))-1modn;
根据所述n、g、λ,和μ,得到公钥为(n,g),私钥为(λ,μ);
利用所述私钥(λ,μ)对所述模型梯度参数进行加密处理,得到加密后的模型梯度参数。
3.如权利要求1所述的电子设备,其特征在于,所述待检测图像数据以及对应的注释数据包括心电图像与其对应的包含了心脏病专家的注释数据的json文件。
4.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行如下步骤:
开启K个监听端口,其中,K为客户端的数量;
利用所述监听端口接收多个客户端发送的加密后的模型梯度参数;
对所述加密后的模型梯度参数进行解密,得到每个客户端对应的模型梯度参数;
对所述每个客户端对应的模型梯度参数执行联合运算,得到更新后的模型梯度参数;
将所述更新后的模型梯度参数分发给每个客户端。
5.如权利要求4所述的电子设备,其特征在于,所述对所述每个客户端对应的模型梯度参数执行联合运算,得到更新后的模型梯度参数,包括:
采用下述方法执行联合运算,得到更新后的模型梯度参数:
其中,f(w)为更新后的模型梯度参数,fi(w)为模型梯度参数,Fk(w)表示中间参数,K为所述客户端数量,Pk代表存储在第k个客户端中的训练数据,nk为训练数据的数量。
6.如权利要求4所述的电子设备,其特征在于,所述对所述加密后的模型梯度参数进行解密,包括:
根据下述解密公式对所述加密后的模型梯度参数进行解密:
m=L(cλmodn2)*μmodn
其中,m是解密后的模型梯度参数,c是指加密后的模型梯度参数,mod是指取模运算符,n=p×q,其中,p,q为满足pq与(p-1)(q-1)的最大公倍数为1的大质数,λ为卡迈克尔函数,μ为预设参数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011127805.4/1.html,转载请声明来源钻瓜专利网。





