基于联邦学习的动态模型聚合方法

    公开(公告)号:CN119762475A

    公开(公告)日:2025-04-04

    申请号:CN202411955503.4

    申请日:2024-12-28

    Abstract: 本发明公开了一种基于联邦学习的动态模型聚合方法,所述方法包括:服务器搭建初始病灶检测模型并进行预训练;客户端基于本地数据对所述初始病灶检测模型进行训练,得到局部病灶检测模型;服务器获取局部病灶检测模型的权重参数,并基于动态模型聚合算法对所述参数进行聚合;客户端基于聚合后的参数权重通过联邦学习迭代训练局部病灶检测模型,直到所述局部病灶检测模型收敛;测试所述局部病灶检测模型检测效果。通过本公开的处理方案,能够在无需共享本地训练数据的情况下,在服务器上协作训练共享的全局模型,能够保护本地数据隐私。

    基于上下文信息和注意力机制的肺结节预测模型训练方法

    公开(公告)号:CN118154572A

    公开(公告)日:2024-06-07

    申请号:CN202410394334.5

    申请日:2024-04-02

    Inventor: 张浩晨 张帅

    Abstract: 本发明提供了一种基于上下文信息和注意力机制的肺结节预测模型训练方法,包括以下步骤:S1、采集肺部三维CT图像数据;S2、增强高层特征层的特征表达;S3、增强语义信息;S4、特征提取和融合;S5、得到多尺度特征;S6、多尺度特征融合后输入到区域建议网络RPN中得到候选框。本发明有益效果:通过融合上下文信息和通道注意力机制的肺结节辅助检测方法实现更精确的肺结节病灶检测,上下文增强连接模块集成了多个上下文信息,使得高级特征映射中丰富的通道信息可以被充分利用,提高特征的表达能力,通道注意力特征精炼模块通过自适应学习的方式计算不同通道维度的权重,在增强重要通道信息的同时抑制对无关通道信息的依赖,有效进行特征的精炼和提取。

Patent Agency Ranking