公开(公告)号：CN118332547B

公开(公告)日：2024-10-18

申请号：CN202410457122.7

申请日：2024-04-16

Applicant: 大连理工大学

Inventor： 齐恒 ,  周弈志 ,  徐宏明 ,  张勇 ,  邱煜淞

IPC: G06F21/55 ,  G06N3/0464 ,  G06N3/06 ,  G16H30/00 ,  G06F21/62

Abstract: 基于异步联邦学习模型的防御医疗图像后门攻击的方法，为了解决医疗图像类的深度网络模型在联邦学习模型中的适用性，提升联邦学习中分布式数据和模型参数的可信性，要点是服务器将其一定时间内所获取的多个客户端的所述卷积层神经元的平均权重值，通过无监督的异常检测算法处理，获取各客户端的所述卷积层神经元的平均权重值的分布，对其中的所述卷积层神经元，若其所述平均权重值分布偏离超过阈值，则判断为异常神经元；异常神经元所在的客户端在当前迭代中标记为可疑，在异步联邦学习的各次迭代中，确定可疑客户端，在异步联邦学习算法执行中，只对非可疑的客户端上传的异步联邦学习模型进行聚合，效果是能够对抗联邦学习中的后门攻击。

公开(公告)号：CN118096501A

公开(公告)日：2024-05-28

申请号：CN202311369052.1

申请日：2023-10-20

Applicant: 大连理工大学

Inventor： 徐宏明 ,  王然然 ,  张勇 ,  邱煜淞 ,  丛丰裕

IPC: G06T3/04 ,  G06N3/044 ,  G06N3/094 ,  G06N3/0475 ,  G06N3/0455

Abstract: 本发明提供一种结合颜色通道分解和循环对抗生成网络的病理图像染色迁移方法，包括：构建CycleGAN模型；利用颜色反卷积算法，将IHC图像分离为苏木素通道、伊红通道和二氨基联苯通道三个通道的图像，二氨基联苯通道标记阳性信号信息；利用二氨基联苯通道图像标记的阳性信号信息参与优化CycleGAN模型，训练H&E图像和IHC图像间的染色迁移模型，利用颜色反卷积图像处理技术优化网络，精准翻译阳性信号。本发明在CycleGAN模型架构基础上，利用颜色反卷积算法提取病理图像中包含的阳性信号信息，并直接用其参与网络优化，使模型在对H&E图像转化时能够更好地学习IHC图像中包含的阳性信号信息并实现准确翻译，有效地增强了模型将H&E染色图像转化为IHC染色图像的迁移能力。

公开(公告)号：CN118332547A

公开(公告)日：2024-07-12

申请号：CN202410457122.7

申请日：2024-04-16

Applicant: 大连理工大学

Inventor： 齐恒 ,  周弈志 ,  徐宏明 ,  张勇 ,  邱煜淞

IPC: G06F21/55 ,  G06N3/0464 ,  G06N3/06 ,  G16H30/00 ,  G06F21/62

Abstract: 基于异步联邦学习模型的防御医疗图像后门攻击的方法，为了解决医疗图像类的深度网络模型在联邦学习模型中的适用性，提升联邦学习中分布式数据和模型参数的可信性，要点是服务器将其一定时间内所获取的多个客户端的所述卷积层神经元的平均权重值，通过无监督的异常检测算法处理，获取各客户端的所述卷积层神经元的平均权重值的分布，对其中的所述卷积层神经元，若其所述平均权重值分布偏离超过阈值，则判断为异常神经元；异常神经元所在的客户端在当前迭代中标记为可疑，在异步联邦学习的各次迭代中，确定可疑客户端，在异步联邦学习算法执行中，只对非可疑的客户端上传的异步联邦学习模型进行聚合，效果是能够对抗联邦学习中的后门攻击。