本發(fā)明專利技術公開一種面向醫(yī)療圖像處理的醫(yī)療機構協(xié)作關系識別方法，收集各個醫(yī)療機構用于醫(yī)療圖像處理所需要的訓練數(shù)據(jù)；計算多個醫(yī)療機構中每兩個醫(yī)療機構之間的貢獻度，根據(jù)貢獻度構建多個醫(yī)療機構各自的貢獻度向量，將多個醫(yī)療機構劃分成若干個小組；本發(fā)明專利技術能夠自適應的將具有相似協(xié)作伙伴的醫(yī)療機構進行分組構建醫(yī)療圖像處理模型，以充分挖掘多機構數(shù)據(jù)的潛能和深層價值，使得各個機構都能受益于他方機構不同數(shù)據(jù)帶來的增益，從而學習到泛化能力較強的優(yōu)質醫(yī)療圖像處理模型；本發(fā)明專利技術通過標記不滿足預設條件的醫(yī)療機構，使得通過分組構建的模型與具有最優(yōu)性能的個性化模型性能相當，而本發(fā)明專利技術的計算開銷遠小于訓練個性化模型需要的計算開銷。要的計算開銷。要的計算開銷。
【技術實現(xiàn)步驟摘要】
一種面向醫(yī)療圖像處理的醫(yī)療機構協(xié)作關系識別方法
[0001]本專利技術涉及一種面向醫(yī)療圖像處理的醫(yī)療機構協(xié)作關系識別方法，基于分散在各醫(yī)療機構的數(shù)據(jù)，為每個醫(yī)療機構檢測其協(xié)作伙伴，能夠自適應的將具有相似協(xié)作伙伴的醫(yī)療機構進行分組構建優(yōu)質醫(yī)療圖像處理模型，使得各個機構都能受益于他方機構不同數(shù)據(jù)帶來的增益，應用于圖像處理
技術介紹
[0002]基于機器學習技術的醫(yī)學圖像處理系統(tǒng)可以在短時間內對大量醫(yī)療圖像與數(shù)字病理數(shù)據(jù)進行匯聚和分析，醫(yī)療圖像處理系統(tǒng)在輔助醫(yī)療圖像分類方面有著巨大的應用價值。
[0003]然而，醫(yī)療圖像數(shù)據(jù)通常分散在不同機構、不同科室的圖像儲存系統(tǒng)內，形成一個個缺乏有效互通的“數(shù)據(jù)孤島”，同時每個醫(yī)療機構擁有的數(shù)據(jù)相對較少。盡管機器學習技術在醫(yī)學應用中展現(xiàn)出很好的效果，但其高度依賴訓練數(shù)據(jù)的數(shù)量和多樣性，而由于醫(yī)療圖像數(shù)據(jù)數(shù)量或病理類型等原因，訓練高性能醫(yī)療圖像分類模型所需的訓練數(shù)據(jù)可能無法在單個醫(yī)療機構中獲取。作為一種新型的機器學習理念，協(xié)作學習可以通過利用分散的數(shù)據(jù)來構建性能強大的機器學習模型，從而實現(xiàn)多源數(shù)據(jù)的價值共享。
[0004]目前的協(xié)作學習范式主要分為個性化協(xié)作學習和集中式協(xié)作學習兩種方式。其中，個性化協(xié)作學習允許為不同的機構提供不同的模型，而集中式協(xié)作學習要求為所有的機構提供相同的模型。在許多實際應用中，來自不同機構的數(shù)據(jù)通常是異質的，因此單一的集中式協(xié)作學習模型不可避免的在某些機構的數(shù)據(jù)上性能不佳。在數(shù)據(jù)異質的協(xié)作學習情形下，對每個機構而言，最理想的方式是為每個機構定制個性化的模型，然而當機構數(shù)量龐大時，這種做法面臨難以承受的計算開銷。因此，在數(shù)據(jù)異質的協(xié)作環(huán)境下，如何兼顧模型性能和計算開銷是非常關鍵的技術，對于協(xié)作學習在包括醫(yī)療領域在內的實際應用中的落地有著重要的意義。
技術實現(xiàn)思路
[0005]專利技術目的：針對現(xiàn)有技術中存在的問題與不足，本專利技術提供一種面向醫(yī)療圖像處理的醫(yī)療機構協(xié)作關系識別方法。
[0006]本專利技術基于分散在各醫(yī)療機構的醫(yī)療圖像數(shù)據(jù)，通過為每個醫(yī)療機構檢測其協(xié)作伙伴，能夠自適應的將具有相似協(xié)作伙伴的醫(yī)療機構進行分組構建醫(yī)療圖像處理模型，以充分挖掘多機構數(shù)據(jù)的潛能和深層價值，使得各個機構都能受益于他方機構不同向醫(yī)療圖像數(shù)據(jù)帶來的增益，從而學習到泛化能力較強的優(yōu)質醫(yī)療圖像處理模型；此外，本專利技術通過標記不滿足預設條件的醫(yī)療機構，使得通過分組構建的機器學習模型與具有最優(yōu)性能的個性化模型性能相當，而本專利技術的計算開銷遠小于訓練個性化模型需要的計算開銷，極大的提高了協(xié)作學習在實際應用中的效率。
[0007]技術方案：一種面向醫(yī)療圖像處理的醫(yī)療機構協(xié)作關系識別方法，包括以下如下
內容：
[0008](一)收集各個醫(yī)療機構用于醫(yī)療圖像分類處理所需要的訓練數(shù)據(jù)，將所述訓練數(shù)據(jù)作為相應醫(yī)療機構的源數(shù)據(jù)集，確定相應醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息；
[0009](二)根據(jù)所述多個醫(yī)療機構各自的源數(shù)據(jù)集、所述多個醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息，計算所述多個醫(yī)療機構中每兩個醫(yī)療機構之間的貢獻度，對于所述多個醫(yī)療機構中的每個醫(yī)療機構，根據(jù)所述貢獻度構建所述多個醫(yī)療機構各自的貢獻度向量；所述多個醫(yī)療機構各自的所述貢獻度向量設置為一個多維向量，用于表征所述多個醫(yī)療機構在最優(yōu)的協(xié)作狀態(tài)中對該醫(yī)療機構的貢獻程度；
[0010](三)根據(jù)所述多個醫(yī)療機構各自的所述貢獻度向量，將所述多個醫(yī)療機構劃分成若干個小組。
[0011]進一步地，所述(一)中，收集各個醫(yī)療機構用于醫(yī)療圖像處理所需要的訓練數(shù)據(jù)，將所述訓練數(shù)據(jù)作為相應醫(yī)療機構的源數(shù)據(jù)集，確定相應醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息，包括以下具體步驟：
[0012]100、確定所述多個醫(yī)療機構在具體協(xié)作學習任務中指代的目標群體以及醫(yī)療機構的數(shù)量；
[0013]101、收集所述多個醫(yī)療機構用于醫(yī)療圖像處理所需要的訓練數(shù)據(jù)，將所述訓練數(shù)據(jù)作為相應醫(yī)療機構的源數(shù)據(jù)集，根據(jù)所述多個醫(yī)療機構各自的所述源數(shù)據(jù)集，確定所述多個醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量；
[0014]102、根據(jù)所述多個醫(yī)療機構各自的源數(shù)據(jù)集以及樣本數(shù)量，確定所述多個醫(yī)療機構的所述統(tǒng)計信息。
[0015]進一步地，所述(二)中，根據(jù)所述多個醫(yī)療機構各自的源數(shù)據(jù)集、所述多個醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息，計算所述多個醫(yī)療機構中每兩個醫(yī)療機構之間的貢獻度，對于所述多個醫(yī)療機構中的每個醫(yī)療機構，根據(jù)所述貢獻度構建所述多個醫(yī)療機構各自的貢獻度向量，包括以下具體步驟：
[0016]200、根據(jù)所述多個醫(yī)療機構各自的源數(shù)據(jù)集對應的統(tǒng)計信息，計算所述多個醫(yī)療機構中每兩個醫(yī)療機構之間的源數(shù)據(jù)集差異值；
[0017]201、對于所述多個醫(yī)療機構中的每個醫(yī)療機構，將所述多個醫(yī)療機構按照與該醫(yī)療機構之間的所述源數(shù)據(jù)集差異值進行升序排列；
[0018]202、根據(jù)預設權重、所述多個醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息、每兩個醫(yī)療機構之間的所述源數(shù)據(jù)集差異值，確定所述多個醫(yī)療機構各自的差異閾值，以及確定所述多個醫(yī)療機構各自的協(xié)作伙伴；所述多個醫(yī)療機構各自的所述協(xié)作伙伴用于表征所述多個醫(yī)療機構中對該醫(yī)療機構有增益的醫(yī)療機構群體；
[0019]203、根據(jù)所述多個醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息、每兩個醫(yī)療機構之間的所述源數(shù)據(jù)集差異值、所述多個醫(yī)療機構各自的差異閾值、所述多個醫(yī)療機構各自的所述協(xié)作伙伴，計算所述多個醫(yī)療機構中每兩個醫(yī)療機構之間的貢獻度；
[0020]204、對于所述多個醫(yī)療機構中的每個醫(yī)療機構，根據(jù)所述貢獻度構建所述多個醫(yī)療機構各自的貢獻度向量。
[0021]進一步地，所述(三)中，根據(jù)所述多個醫(yī)療機構各自的所述貢獻度向量，將所述多
個醫(yī)療機構劃分成若干個小組，包括以下具體步驟：
[0022]300、確定具體協(xié)作學習任務中需要劃分的小組數(shù)量；
[0023]301、根據(jù)所述小組數(shù)量，在所述多個醫(yī)療機構的所述貢獻度向量集合上運行K
?
Means算法，并確定所述貢獻度向量集合的誤差平方和值；
[0024]302、根據(jù)所述誤差平方和值，將所述多個醫(yī)療機構劃分成所述小組數(shù)量個小組。
[0025]進一步地，根據(jù)所述誤差平方和值，將所述多個醫(yī)療機構劃分成所述小組數(shù)量個小組，包括：
[0026]302
?
11、在所述誤差平方和值小于預設閾值時，根據(jù)K
?
Means算法對于所述貢獻度向量集合的劃分結果，將所述多個醫(yī)療機構劃分進入對應的小組；
[0027]302
?
12、根據(jù)所述誤差平方和值以及預設參數(shù)，確定關鍵距離值；
[0028]302
?
13、根據(jù)所述關鍵距離值，若所述多個醫(yī)療機構中的某醫(yī)療機構對應的所述貢獻度向量與K
?
Me本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種面向醫(yī)療圖像處理的醫(yī)療機構協(xié)作關系識別方法，其特征在于，包括以下如下內容：（一）收集各個醫(yī)療機構用于醫(yī)療圖像分類處理所需要的訓練數(shù)據(jù)，將所述訓練數(shù)據(jù)作為相應醫(yī)療機構的源數(shù)據(jù)集，確定相應醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息；（二）根據(jù)所述多個醫(yī)療機構各自的源數(shù)據(jù)集、所述多個醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息，計算所述多個醫(yī)療機構中每兩個醫(yī)療機構之間的貢獻度，對于所述多個醫(yī)療機構中的每個醫(yī)療機構，根據(jù)所述貢獻度構建所述多個醫(yī)療機構各自的貢獻度向量；所述多個醫(yī)療機構各自的所述貢獻度向量設置為一個多維向量，用于表征所述多個醫(yī)療機構在最優(yōu)的協(xié)作狀態(tài)中對該醫(yī)療機構的貢獻程度；（三）根據(jù)所述多個醫(yī)療機構各自的所述貢獻度向量，將所述多個醫(yī)療機構劃分成若干個小組。2.根據(jù)權利要求1所述的面向醫(yī)療圖像處理的醫(yī)療機構協(xié)作關系識別方法，其特征在于，所述（一）中，收集各個醫(yī)療機構用于醫(yī)療圖像處理所需要的訓練數(shù)據(jù)，將所述訓練數(shù)據(jù)作為相應醫(yī)療機構的源數(shù)據(jù)集，確定相應醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息，包括以下具體步驟：100、確定所述多個醫(yī)療機構在具體協(xié)作學習任務中指代的目標群體以及醫(yī)療機構的數(shù)量；101、收集所述多個醫(yī)療機構用于醫(yī)療圖像處理所需要的訓練數(shù)據(jù)，將所述訓練數(shù)據(jù)作為相應醫(yī)療機構的源數(shù)據(jù)集，根據(jù)所述多個醫(yī)療機構各自的所述源數(shù)據(jù)集，確定所述多個醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量；102、根據(jù)所述多個醫(yī)療機構各自的源數(shù)據(jù)集以及樣本數(shù)量，確定所述多個醫(yī)療機構的所述統(tǒng)計信息。3.根據(jù)權利要求1所述的面向醫(yī)療圖像處理的醫(yī)療機構協(xié)作關系識別方法，其特征在于，所述（二）中，根據(jù)所述多個醫(yī)療機構各自的源數(shù)據(jù)集、所述多個醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息，計算所述多個醫(yī)療機構中每兩個醫(yī)療機構之間的貢獻度，對于所述多個醫(yī)療機構中的每個醫(yī)療機構，根據(jù)所述貢獻度構建所述多個醫(yī)療機構各自的貢獻度向量，包括以下具體步驟：200、根據(jù)所述多個醫(yī)療機構各自的源數(shù)據(jù)集對應的統(tǒng)計信息，計算所述多個醫(yī)療機構中每兩個醫(yī)療機構之間的源數(shù)據(jù)集差異值；201、對于所述多個醫(yī)療機構中的每個醫(yī)療機構，將所述多個醫(yī)療機構按照與該醫(yī)療機構之間的所述源數(shù)據(jù)集差異值進行升序排列；202、根據(jù)預設權重、所述多個醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息、每兩個醫(yī)療機構之間的所述源數(shù)據(jù)集差異值，確定所述多個醫(yī)療機構各自的差異閾值，以及確定所述多個醫(yī)療機構各自的協(xié)作伙伴；所述多個醫(yī)療機構各自的所述協(xié)作伙伴用于表征所述多個醫(yī)療機構中對該醫(yī)療機構有增益的醫(yī)療機構群體；203、根據(jù)所述多個醫(yī)療機構各自的源數(shù)據(jù)集包含的樣本數(shù)量以及統(tǒng)計信息、每兩個醫(yī)療機構之間的所述源數(shù)據(jù)集差異值、所述多個醫(yī)療機構各自的差異閾值、所述多個醫(yī)療機構各自的所述協(xié)作伙伴，計算所述多個醫(yī)療機構中每兩個醫(yī)療機構之間的貢獻度；
204、對于所述多個醫(yī)療機構中的每個醫(yī)療機構，根據(jù)所述貢獻度構建所述多個醫(yī)療機構各自的貢獻度向量。4.根據(jù)權利要求1所述的面向醫(yī)療圖像處理的醫(yī)療機構協(xié)作關系識別方法，其特征在于，所述（三）中，根據(jù)所述多個醫(yī)療機構各自的所述貢獻度向量，將所述多個醫(yī)療機構劃分成若干個小組，包括以下具體步驟：300、確定具體協(xié)作學習任務中需要劃分的小組數(shù)量；301、根據(jù)所述小組數(shù)量，在所述多個醫(yī)療機構的所述貢獻度向量集合上運行K
...
【專利技術屬性】
技術研發(fā)人員：王魏，丁姝，
申請(專利權)人：南京大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。