[发明专利]电子设备、疾病类型检测方法、装置及介质

说明书

本发明涉及数据处理技术，揭露一种电子设备、装置、存储介质及疾病类型检测方法。所述方法包括：客户端将利用本地数据训练后的模型梯度参数加密后上传至服务端，服务端对所述加密后的模型梯度参数进行解密并进行联合运算，得到更新后的模型梯度数据，客户端接收到服务端返回更新后的模型梯度参数并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，利用标准疾病类型检测模型对待检测图像数据进行检测，得到疾病类型检测结果。本发明还涉及区块链技术，所述更新后的模型梯度参数可以存储在区块链节点中。本发明可以提高疾病类型检测模型的准确性。

技术领域

本发明涉及数据处理技术，尤其涉及一种电子设备、疾病类型检测方法、装置及计算机可读存储介质。

背景技术

疾病的检测与判断对于降低病人的死亡率尤其重要。例如，当今，心脏病成为人们生活中一种常见疾病，心脏病具体细分包括众多种类，实现对心脏病种类快速且准确的检测可以降低心脏病患者死亡率。目前检测心脏病种类主要采用心电图检测手段，对心脏疾病进行诊断。

由于医疗数据的隐私性，目前用于对心电图进行检测的模型准确率不够高，用于训练模型的心电图数据局限于几个医院中，各个医院所拥有的心电图数据仍存在数据壁垒，使得大量的心电图数据无法有效利用，从而无法准确根据心电图判断出心脏疾病种类。

发明内容

本发明提供一种电子设备、疾病类型检测方法、装置及计算机可读存储介质，其主要目的在于解决无法准确根据心电图判断出心脏疾病种类的问题。

为实现上述目的，本发明提供的一种电子设备，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能够执行如下步骤：

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。

可选地，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(g^λmodn²))^-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。

可选地，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。

为实现上述目的，本发明还提供一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及