本發(fā)明涉及病理診斷，尤其涉及一種基于聯(lián)邦學(xué)習(xí)的病理檢測診斷方法及系統(tǒng)。

背景技術(shù)：

1、現(xiàn)有的遠(yuǎn)程會診方式包括基于橫向聯(lián)邦學(xué)習(xí)的醫(yī)療影像分析系統(tǒng)、靜態(tài)wsi（全切片圖像）遠(yuǎn)程會診系統(tǒng)和數(shù)字病理遠(yuǎn)程會診系統(tǒng)。其中，基于橫向聯(lián)邦學(xué)習(xí)的醫(yī)療影像分析系統(tǒng)，通過聚合多中心ct/mri影像數(shù)據(jù)訓(xùn)練模型，由多個醫(yī)院邊緣節(jié)點、中心服務(wù)器組成，邊緣節(jié)點對ct/mri圖像進(jìn)行特征提取，中心服務(wù)器通過fedavg算法聚合模型參數(shù)，輸出疾病預(yù)測結(jié)果，但僅支持單一模態(tài)的數(shù)據(jù)處理且缺乏實時交互能力，也沒有配置相應(yīng)的隱私加密功能。

2、靜態(tài)wsi（全切片圖像）遠(yuǎn)程會診系統(tǒng)是目前市面上主要的病理遠(yuǎn)程會診技術(shù)，如病理質(zhì)控中心的數(shù)字病理遠(yuǎn)程診斷與質(zhì)控平臺、3dhistech公司的pannoramic?viewer等，通過靜態(tài)全切片圖像（wsi）傳輸實現(xiàn)遠(yuǎn)程會診，采用aes-256加密算法傳輸全切片圖像（wsi），診斷專家通過瀏覽器調(diào)閱靜態(tài)圖像并標(biāo)注，但會診周期長且依賴人工，僅在傳輸層加密，未解決數(shù)據(jù)存儲與分析中的隱私問題。

3、數(shù)字病理遠(yuǎn)程會診系統(tǒng)是通過云端獲取不同醫(yī)院的病理數(shù)據(jù)，上級醫(yī)院生成初診報告，根據(jù)病情嚴(yán)重程度打分，解決基層醫(yī)院診斷能力不足問題，通過閾值判斷實現(xiàn)會診流程自動化分流，協(xié)作提升診斷的準(zhǔn)確性，但依賴人工上傳靜態(tài)切片圖像，無實時交互，傳輸?shù)囊彩菃我荒B(tài)數(shù)據(jù)。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中存在的缺點，而提出的一種基于聯(lián)邦學(xué)習(xí)的病理檢測診斷方法及系統(tǒng)。

2、為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：一種聯(lián)邦學(xué)習(xí)模型的訓(xùn)練方法，包括：

3、s1、獲取處理得到第一圖像數(shù)據(jù)和第二圖像數(shù)據(jù)，其中，所述第一圖像數(shù)據(jù)由第一醫(yī)院數(shù)據(jù)采集端處理后得到，所述第二圖像數(shù)據(jù)由第二醫(yī)院數(shù)據(jù)采集端得到；

4、s2、對所述第一圖像數(shù)據(jù)進(jìn)行特征提取獲取形態(tài)特征向量，對所述第二圖像數(shù)據(jù)進(jìn)行特征提取獲取基因特征向量，對所述形態(tài)特征向量和所述基因特征向量進(jìn)行數(shù)據(jù)加密；

5、s3、將加密的所述形態(tài)特征向量和所述基因特征向量輸入聯(lián)邦學(xué)習(xí)模型，通過交叉注意力機(jī)制使所述形態(tài)特征向量和所述基因特征向量對應(yīng)，更新所述聯(lián)邦學(xué)習(xí)模型的梯度，進(jìn)行聯(lián)邦學(xué)習(xí)訓(xùn)練；

6、s4、對所述聯(lián)邦學(xué)習(xí)模型判斷是否滿足評估標(biāo)準(zhǔn)，若是，將滿足所述評估標(biāo)準(zhǔn)的所述聯(lián)邦學(xué)習(xí)模型用于病理檢測中，結(jié)束訓(xùn)練；若否，重新獲取所述第一圖像數(shù)據(jù)和所述第二圖像數(shù)據(jù)，返回步驟s2。

7、作為上述技術(shù)方案的進(jìn)一步描述：所述獲取處理得到的第一圖像數(shù)據(jù)包括：

8、第一醫(yī)院數(shù)據(jù)采集端獲取病理數(shù)據(jù)，進(jìn)行圖像識別生成一病理圖像，所述病理圖像位于所述病理數(shù)據(jù)的部分區(qū)域；

9、對所述病理圖像進(jìn)行圖像處理，將處理后的所述病理圖像進(jìn)行區(qū)域檢測，獲取需要進(jìn)行分析的區(qū)域并進(jìn)行標(biāo)記，得到第一圖像數(shù)據(jù)。

10、作為上述技術(shù)方案的進(jìn)一步描述：所述對所述形態(tài)特征向量和所述基因特征向量進(jìn)行數(shù)據(jù)加密包括：

11、獲取所述形態(tài)特征向量和所述基因特征向量，轉(zhuǎn)化為數(shù)值特征；

12、通過同態(tài)加密算法對所述數(shù)值特征進(jìn)行加密，并添加差分隱私噪聲。

13、作為上述技術(shù)方案的進(jìn)一步描述：所述聯(lián)邦學(xué)習(xí)模型采用至少兩個transformer深度學(xué)習(xí)模型，并在兩個所述transformer深度學(xué)習(xí)模型的中間層建立交叉注意力機(jī)制。

14、還包括一種基于聯(lián)邦學(xué)習(xí)模型的病理檢測診斷方法，包括：

15、獲取處理得到的第一圖像數(shù)據(jù)和第二圖像數(shù)據(jù)；

16、對所述第一圖像數(shù)據(jù)進(jìn)行特征提取獲取形態(tài)特征向量，對所述第二圖像數(shù)據(jù)進(jìn)行特征提取獲取基因特征向量，對所述形態(tài)特征向量和所述基因特征向量進(jìn)行數(shù)據(jù)加密；

17、將加密的所述形態(tài)特征向量和所述基因特征向量輸入聯(lián)邦學(xué)習(xí)模型，獲取檢測結(jié)果；

18、發(fā)送會診請求與診斷臺建立會診連接，獲取反饋的預(yù)測結(jié)果，其中，所述預(yù)測結(jié)果由所述診斷臺根據(jù)所述檢測結(jié)果關(guān)聯(lián)相似病理數(shù)據(jù)進(jìn)行實時分析獲??；

19、根據(jù)所述檢測結(jié)果和所述預(yù)測結(jié)果，生成診斷報告。

20、作為上述技術(shù)方案的進(jìn)一步描述：根據(jù)所述檢測結(jié)果關(guān)聯(lián)相似病理數(shù)據(jù)，獲取所述診斷臺反饋的預(yù)測結(jié)果包括：

21、所述診斷臺獲取所述聯(lián)邦學(xué)習(xí)模型發(fā)送的所述檢測結(jié)果；

22、所述診斷臺通過圖像識別獲取所述第一圖像數(shù)據(jù)和所述第二圖像數(shù)據(jù)，將所述檢測結(jié)果與所述第一圖像數(shù)據(jù)或所述第二圖像數(shù)據(jù)進(jìn)行關(guān)聯(lián)；

23、根據(jù)所述第一圖像數(shù)據(jù)或所述第二圖像數(shù)據(jù)選取關(guān)聯(lián)所述相似病理數(shù)據(jù)，獲取相似性數(shù)據(jù)；

24、根據(jù)所述相似性數(shù)據(jù)與所述檢測結(jié)果進(jìn)行分析，生成所述預(yù)測結(jié)果。

25、還包括一種基于聯(lián)邦學(xué)習(xí)模型的病理檢測診斷系統(tǒng)，包括：

26、數(shù)據(jù)采集模塊，獲取處理得到第一圖像數(shù)據(jù)和第二圖像數(shù)據(jù)，其中，所述第一圖像數(shù)據(jù)由第一醫(yī)院數(shù)據(jù)采集端處理后得到，所述第二圖像數(shù)據(jù)由第二醫(yī)院數(shù)據(jù)采集端得到；

27、加密處理模塊，對所述第一圖像數(shù)據(jù)進(jìn)行特征提取獲取形態(tài)特征向量，對所述第二圖像數(shù)據(jù)進(jìn)行特征提取獲取基因特征向量，對所述形態(tài)特征向量和所述基因特征向量進(jìn)行數(shù)據(jù)加密；

28、聯(lián)邦學(xué)習(xí)診斷模塊，將加密的所述形態(tài)特征向量和所述基因特征向量輸入聯(lián)邦學(xué)習(xí)模型，獲取檢測結(jié)果；發(fā)送會診請求與診斷臺建立會診連接，獲取反饋的預(yù)測結(jié)果，其中，所述預(yù)測結(jié)果由所述診斷臺根據(jù)所述檢測結(jié)果關(guān)聯(lián)相似病理數(shù)據(jù)進(jìn)行實時分析獲??；根據(jù)所述檢測結(jié)果和所述預(yù)測結(jié)果，生成診斷報告。

29、作為上述技術(shù)方案的進(jìn)一步描述：所述病理檢測診斷系統(tǒng)還包括，模型訓(xùn)練模塊，建立聯(lián)邦學(xué)習(xí)模型，將加密的所述形態(tài)特征向量和所述基因特征向量輸入聯(lián)邦學(xué)習(xí)模型，通過交叉注意力機(jī)制使所述形態(tài)特征向量和所述基因特征向量對應(yīng)，更新所述聯(lián)邦學(xué)習(xí)模型的梯度，進(jìn)行聯(lián)邦學(xué)習(xí)訓(xùn)練；以及，

30、對所述聯(lián)邦學(xué)習(xí)模型判斷是否滿足評估標(biāo)準(zhǔn)，若是，將滿足所述評估標(biāo)準(zhǔn)的所述聯(lián)邦學(xué)習(xí)模型用于病理檢測中，結(jié)束訓(xùn)練；若否，重新獲取所述第一圖像數(shù)據(jù)和所述第二圖像數(shù)據(jù)，直至所述聯(lián)邦學(xué)習(xí)模型滿足所述評估標(biāo)準(zhǔn)。

31、還包括一種計算機(jī)可讀存儲介質(zhì)，其存儲用于運行訓(xùn)練方法的計算機(jī)程序，其中，所述計算機(jī)程序使得計算機(jī)執(zhí)行如上述技術(shù)方案中任一項所述的訓(xùn)練方法。

32、還包括一種電子設(shè)備，包括：

33、一個或多個處理器；存儲器；以及，

34、一個或多個程序，其中所述一個或多個程序被存儲在所述存儲器中，并且被配置成由所述一個或多個處理器執(zhí)行，所述程序被用于執(zhí)行如上述技術(shù)方案中任一項所述的訓(xùn)練方法。

35、上述技術(shù)方案具有如下優(yōu)點或有益效果：

36、1、通過接收不同醫(yī)院數(shù)據(jù)采集端獲取的不同模態(tài)的病理數(shù)據(jù)進(jìn)行分析，協(xié)同構(gòu)建聯(lián)邦學(xué)習(xí)模型，可以實現(xiàn)跨機(jī)構(gòu)多模態(tài)數(shù)據(jù)的分析，實現(xiàn)病理形態(tài)特征和基因特征的關(guān)聯(lián)診斷，突破傳統(tǒng)病理診斷系統(tǒng)的單一維度局限，提升診斷精準(zhǔn)度與效率，可以實時協(xié)同將復(fù)雜病例會診周期從現(xiàn)有技術(shù)的24-48小時縮短至2小時內(nèi)。

37、2、對數(shù)據(jù)進(jìn)行加密，采用同態(tài)加密算法與添加差分隱私噪聲，在進(jìn)行參數(shù)訓(xùn)練時也可以防止數(shù)據(jù)泄漏，構(gòu)建全生命周期隱私保護(hù)鏈，解決現(xiàn)有系統(tǒng)中僅實現(xiàn)單一環(huán)節(jié)加密的問題。

38、3、通過聯(lián)邦學(xué)習(xí)模型進(jìn)行病例檢測診斷，通過發(fā)送會診請求與診斷臺建立聯(lián)系，實現(xiàn)遠(yuǎn)程會診，可以實時分析獲取檢測數(shù)據(jù)，獲得對應(yīng)的預(yù)測數(shù)據(jù)，實時生成診斷報告。