买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:浙江大学;浙江大学滨江研究院
摘要:本发明公开了一种应用于医疗领域的公平联邦学习框架,该框架会将不同医院的数据量以及计算能力设计到目标函数的参数中来并会设计新的效用结合评价指标来实现性能和公平性的度量,同时基于公平性函数α‑fairness设计了新的目标函数来,让参与联邦学习的医院客户端之间的公平性得到保证。本发明选取医院的数据量、CPU数量和GPU数量作为权重,结合新设计的目标函数,同时定义了新的公平性评价方式,实现多医院合作场景下的联邦学习任务,保证了公平性,同时保护了患者数据的隐私,以尽可能实现各医院客户端的最优性能。
主权项:1.一种应用于医疗领域的公平联邦学习方法,其特征在于:包括如下步骤:步骤一,通过各级医院客户端上传的方式,收集各级医院所拥有的CPU、GPU计算资源量到中心服务器,数据量、CPU资源量和GPU资源量这三种属性组成权重pk;步骤二,中心服务器随机从K个医院客户端内选出t个医院客户端,并根据步骤一组成的权重pk计算出t个医院客户端数据的有效性E和公平性J;步骤三,中心服务器将设定的服务器参数ωt分发给选中的t个医院客户端;步骤四,步骤三中被选出的医院客户端更新本地的参数和步骤五,选中的医院客户端将本地的参数和发给中心服务器,中心服务器更新服务器参数,得到服务器参数ωt+1;步骤六,完成联邦学习。
全文数据:
权利要求:
百度查询: 浙江大学 浙江大学滨江研究院 一种应用于医疗领域的公平联邦学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。