[发明专利]一种基于区块链网络的医学图像分割协作方法

权利要求书

1.基于区块链网络的医学图像分割协作方法，其特征在于，首先各个医疗机构将各自的医疗数据进行本地协作分割网络训练建模，训练生成局部权重文件，所述局部权重文件在其所属医疗机构签名之后作为一笔交易被提交到区块链网络中，区块链网络中拥有下载权限的节点，即其他医疗机构，对所述局部权重文件进行下载，直至所有医疗机构均生成各自的局部权重文件，当区块链网络接收到预设数量的局部权重数据后聚合生成全局权重，进行有限次迭代循环后，保存效果最好的全局权重作为最终的协作分割网络模型参数，具体包括：

步骤1：构建区块链网络作为各个医疗机构信息共享的平台，所属区块链网络用于支撑各节点协作完成全局深度学习模型建立全过程，主要包括四个部分：数据上传、共识协议达成、数据存储、全局模型的生成；

步骤2：进入所述区块链网络的节点必须获得授权，采用Hyperledger Fabric中的会员服务系统MSP管理，所述会员服务系统是一个用户证书和私钥管理体系，在所述会员服务系统中任何交易都需要验证账号，采用的训练方式包括：顺序训练方式或并行训练方式，采用顺序训练方式执行步骤3，采用并行训练方式执行步骤4；

步骤3：参与协同的各个医疗机构采用顺序训练的方式一起训练一个全局模型，验证当模型收敛时所得全局模型是否比局部模型更优，训练方式主要分为局部权重上传、权重数据下载两部分：

步骤31：局部权重上传，第一家医疗机构先利用自己的本地医疗数据训练自己的深度学习模型，当深度学习模型收敛时，把第一局部权重保存下来，然后加密签名件之后上传到区块链网络，各个节点开始验证这笔交易，如果验证通过，交易合法，达成共共识，这笔交易被承认，然后写入区块链网络中；

步骤32：权重数据下载，第二家医疗机构从所述区块链网络中去下载第一家医疗机构上传的第一局部权重到本地，作为第二医疗机构进行深度学习训练时的预训练权重被加载到深度学习模型中，利用第二家医疗机构的本地医疗数据进行训练，当深度学习模型开始收敛时，保存第二局部权重，在第二局部权重加密签名之后将其上传到区块链平台，节点经过验证之后，写入区块链网络；

步骤33：其余所有节点均按顺序执行步骤32的操作，直至所有的节点均参与训练后，模型训练结束，最后一个节点生成的深度学习模型，为全局模型，最后一个节点的模型参数为全局参数；

步骤4：并行训练模式是指参与联合训练深度学习模型的各个医疗机构采用并行训练的方式同时训练一个全局模型，区块链网络中的节点同时使用自己的本地数据进行训练，直到全局模型收敛稳定结束，在并行训练模式中，每一轮训练需要区块链网络中所有节点参与，在迭代生成全局模型的过程中，每个节点都是同时使用私有数据不断进行模型训练，训练过程具体包括：

步骤41：初始化参数，各个医疗机构使用种子值初始化初始参数,初始化样本数，第一轮训练中各个节点采用初始化参数进行模型训练，并通过区块链网络得到当前的全局权重；

步骤42：循环训练，各个节点以当前的全局权重作为模型参数，利用私有医疗数据并行进行模型训练，即没有先后顺序，同时进行训练，每个节点将训练后的局部权重加密签名文件上传到区块链网络；

步骤43：聚合局部权重，所述区块链网络将各个节点的局部权重数据进行聚合，生成当前新的全局权重；

步骤44：各个节点下载区块链网络中当前更新的全局权重，以全局权重作为模型参数再进行训练，重复步骤42至步骤44，直至达到循环次数，完成模型训练，区块链网络将训练完成的模型作为最优模型输出。

步骤5：得到最优分割模型后，各个节点下载所述全局权重然后进行本地测试，检验所述最优分割模型的效果。