公开(公告)号：CN118335295B

公开(公告)日：2024-08-30

申请号：CN202410750369.8

申请日：2024-06-12

Applicant: 电子科技大学

Inventor： 解修蕊 ,  段贵多 ,  罗光春 ,  杨雨宁 ,  曾诚 ,  彭国伟

IPC: G16H30/00 ,  G06T7/11

Abstract: 本发明公开了一种基于主动联邦学习的医疗图像分割方法，属于医疗图像处理技术领域。本发明包括：服务器获取医学图像数据并进行预处理，再划分给各已知客户端和未知客户端；已知客户端基于本地的训练数据集对图像分割模型执行一轮联邦学习；服务器采用主动学习方法对各已知客户端的训练数据集进行二次构建并下发给已知客户端执行一轮联邦学习；服务器基于当前联邦学习后的模型参数进行若干次蒸馏处理，将每次得到的模型参数下发给每个未知客户端进行模型测试，基于反馈的测试结果确定每次模型参数的最终测试结果；基于最优最终测试结果对应的模型参数得到图像分割模型的最优参数。本发明能够解决医疗图像分割隐私保护问题，并提高了模型的泛化性。

公开(公告)号：CN118335295A

公开(公告)日：2024-07-12

申请号：CN202410750369.8

申请日：2024-06-12

Applicant: 电子科技大学

Inventor： 解修蕊 ,  段贵多 ,  罗光春 ,  杨雨宁 ,  曾诚 ,  彭国伟

IPC: G16H30/00 ,  G06T7/11

Abstract: 本发明公开了一种基于主动联邦学习的医疗图像分割方法，属于医疗图像处理技术领域。本发明包括：服务器获取医学图像数据并进行预处理，再划分给各已知客户端和未知客户端；已知客户端基于本地的训练数据集对图像分割模型执行一轮联邦学习；服务器采用主动学习方法对各已知客户端的训练数据集进行二次构建并下发给已知客户端执行一轮联邦学习；服务器基于当前联邦学习后的模型参数进行若干次蒸馏处理，将每次得到的模型参数下发给每个未知客户端进行模型测试，基于反馈的测试结果确定每次模型参数的最终测试结果；基于最优最终测试结果对应的模型参数得到图像分割模型的最优参数。本发明能够解决医疗图像分割隐私保护问题，并提高了模型的泛化性。