公开(公告)号：CN117079087A

公开(公告)日：2023-11-17

申请号：CN202311104879.X

申请日：2023-08-30

Applicant: 南京信息工程大学

Inventor： 瞿治国 ,  汤洋

IPC: G06V10/778 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种医疗图像识别技术领域的基于差分隐私的学习率自适应医疗图像识别方法，旨在解决现有技术中不同医疗机构的数据不是独立同分布的、无法满足客户隐私偏好等问题，其包括以下步骤：采集患者病变部位的医疗图像，将采集的医疗图像输入预置在本地客户端内的融合了多家医院的医疗数据的本地模型中，输出识别结果。本发明可以实现多个医疗机构的数据融合，且能够起到个性化隐私保护的作用。

公开(公告)号：CN117196012A

公开(公告)日：2023-12-08

申请号：CN202311150942.3

申请日：2023-09-07

Applicant: 南京信息工程大学

Inventor： 瞿治国 ,  汤洋

IPC: G06N3/098 ,  G06N3/0464 ,  G06F21/62

Abstract: 本发明公开了一种基于差分隐私的个性化联邦学习识别方法及系统，所述方法在客户端执行，包括：获取初始化模型参数，并将其加载入预搭建的本地模型中；基于隐私预算采用个性化差分隐私算法对加载参数的本地模型进行噪声处理，并将噪声处理后的本地模型的共享层模型参数发送给服务器；将聚合后的共享层模型参数加载入噪声处理后的本地模型的共享层中，然后局部微调，得到个性化模型；对个性化模型进行重复训练，直至达到全局迭代次数后，得到基于差分隐私的个性化联邦学习测试模型。本发明的客户端能够根据客户选择的隐私预算对本地模型进行处理，从而适应不同用户的不同隐私需求，同时结合Adam算法，降低了添加噪声对模型精度的影响。