[发明专利]一种基于多中心临床数据防作弊分析的疾病预测系统

权利要求书

1.一种基于多中心临床数据防作弊分析的疾病预测系统，其特征在于，包括：

初始化模块：用于发布疾病预测模型的协同分析建模协议，决定参与协同分析建模的医疗机构组成协同分析建模区块链；

数据质量评估模块，包括伪数据生成子模块和伪数据质量评估子模块；

伪数据生成子模块：用于各家医疗机构在本地利用临床数据训练生成对抗网络，并生成伪数据，各家医疗机构生成的伪数据的数据量相等；

伪数据质量评估子模块：用于将各家医疗机构生成的伪数据上链，各家医疗机构在本地利用加权聚类模型根据伪数据计算数据质量系数，具体为，根据加权聚类模型的参数求得医疗机构生成的伪数据中特征的数据质量评分，根据加权聚类模型的轮廓系数与多样性阈值计算得到医疗机构生成的伪数据中特征的数据多样性评分，医疗机构的数据质量系数为医疗机构生成的伪数据中所有特征的数据质量评分与数据多样性评分之积的加权平均；

协同分析建模模块，包括模型训练子模块和投票子模块；

模型训练子模块：用于各家医疗机构在本地利用临床数据训练单中心疾病预测模型，并将单中心疾病预测模型的模型参数上链；

投票子模块：用于进行多轮迭代投票，在每轮投票中，动态更新各家医疗机构根据数据质量系数和之前轮次投票情况得到的投票权，各家医疗机构在本地利用临床数据计算所有单中心疾病预测模型的损失，结合自身投票权对单中心疾病预测模型进行投票，并将投票结果上链，票数最多的单中心疾病预测模型胜出，并作为本轮迭代得到的疾病预测模型，进入下一轮迭代；在迭代过程中进行作弊检测，将未通过作弊检测的医疗机构从协同分析建模区块链中剔除。

2.根据权利要求1所述的一种基于多中心临床数据防作弊分析的疾病预测系统，其特征在于，所述初始化模块中，所述协同分析建模协议的内容包括疾病预测模型的模型结构、模型初始化参数、模型训练所需特征和标签、模型损失函数、生成伪数据用的生成对抗网络模型结构和参数、加权聚类模型的模型结构和参数。

3.根据权利要求1所述的一种基于多中心临床数据防作弊分析的疾病预测系统，其特征在于，所述伪数据质量评估子模块中，数据质量系数的计算过程如下：

对于训练疾病预测模型的任一特征，医疗机构生成的伪数据中特征的数据质量评分记为；M家医疗机构共同组成数据集，其中表示医疗机构生成的伪数据中特征的数据，将记为，其中表示第i个样本，N为伪数据的数据量，利用训练加权聚类模型，根据加权聚类模型的参数求得数据质量评分；

加权聚类模型训练完成后，计算每个样本中每个元素与跟该样本同一聚类的样本的对应元素距离的均值和每个样本中每个元素与跟该样本不同聚类的样本的对应元素距离的均值，得到的每一列的轮廓系数，根据轮廓系数与多样性阈值计算得到医疗机构生成的伪数据中特征的数据多样性评分；

医疗机构的数据质量系数为医疗机构生成的伪数据中所有特征的数据质量评分与数据多样性评分之积的加权平均。