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：北京理工大学

摘要：本发明涉及一种基于联邦学习的心音监测系统。所述系统包括联邦智能终端、联邦服务端、医疗云服务中心。所述联邦智能终端用于联邦学习系统的便携式智能心音感知，包括心音数据采集模块、心音数据预处理模块、心音特征提取模块、终端模型训练模块；所述联邦服务端用于协调各联邦参与方进行联合建模，包括模型参数安全聚合模块、全局模型更新模块；所述医疗云服务中心用于接收上传的稳定、可靠且具有可解释性的医疗模型并进行存储，以便各个基层医疗机构都可以下载使用，推动了优质医疗资源的共享与下沉。

主权项：1.一种基于联邦学习的心音监测系统，其特征在于，所述系统包括联邦智能终端、联邦服务端、医疗云服务中心；所述联邦智能终端用于联邦学习系统的便携式智能心音感知，包括心音数据采集模块、心音数据预处理模块、心音特征提取模块、终端模型训练模块；所述联邦服务端用于协调各联邦参与方进行联合建模，包括模型参数安全聚合模块、全局模型更新模块；所述医疗云服务中心用于接收上传的稳定、可靠且具有可解释性的医疗模型并进行存储，以便各个基层医疗机构都可以下载使用；所述心音数据采集模块用于采集心音数据，所述心音数据采集模块为面向异常心音监测的便携、无扰微扰式智能终端模块，嵌入具有并行计算、可扩展性和可移植性的集成学习LightGBMLightGradientBoostingMachine优化算法；所述模型参数安全聚合模块，首先在横向联邦学习建模之前，在可信联邦服务端对各联邦智能终端参与方的数据集进行非独立同分布Non-IIDNon-IndependentIdenticallyDistribution分析，并评估各分布之间的差异度以筛选高质量数据参与方，然后采用一种基于隐私保护的特征ID安全聚合方法来解决各参与方的特征ID对齐问题，即对横向联邦中各联邦智能终端参与方的特征ID进行安全求并；对所述各联邦智能终端参与方的数据集进行Non-IID分析，具体包括下列步骤：S21.使用最大均值差异MMDMaximumMeanDiscrepancy算法度量两个心音数据集分布之间的差异，并计算差异度值；S22.保留分布差异度值小于阈值的参与方进行联邦学习训练以提高全局共享模型的性能；所述的一种基于隐私保护的特征ID安全聚合方法，其使用哈希函数结合RSA加密算法对参与方的特征ID进行安全求并，具体包括下列步骤：S31.联邦服务端通过RSA加密算法生成非对称密钥，并将公钥和哈希函数分发给各联邦参与方；S32.各联邦参与方使用公钥对其特征ID集进行加密，即计算并发送给联邦服务端，其中是在联邦终端参与方之间共享的一个秘密随机数；S33.联邦服务端对参与方加密计算，并根据欧拉定理转化为，最后将结果分发给各参与方；S34.各联邦参与方在其本地计算得到特征ID并集并用于本地模型训练；所述全局模型更新模块用于在联邦服务端迭代生成收敛的全局共享模型，最后采用SHAPSHapleyAdditiveexPlanations理论方法衡量全局共享模型，解释基于待预测样本的预测结果；所述使用SHAP理论方法解释全局共享模型，具体包括下列步骤：S41.单样本解释,计算某一预测样本所有特征的Shapley值，分析各心音特征对预测结果的正负影响，并以SHAP力图形式可视化；S42.分析心音特征的重要性排序以及每个特征的贡献度，并以SHAP瀑布图形式可视化；S43,全局预测样本解释,使用每个特征的Shapley值的密度散点图来确定每个特征对测试数据集中个体模型输出的影响程度，特征按所有样本的Shapley值大小之和进行排序。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于联邦学习的心音监测系统