基于医疗方向联邦学习的特征管理方法与流程

1.本技术涉及联邦学习领域，具体而言，涉及一种基于医疗方向联邦学习的特征管理方法。


背景技术：

2.在不久的将来医疗行业将融入更多人工智能、传感技术等高科技，使医疗服务走向真正意义的智能化，推动医疗事业的繁荣发展。在中国新医改的大背景下，智慧医疗正在走进寻常百姓的生活。医疗行业数据存在隐私保护的需要，因此将人工智能应用于医疗领域进行研究、模型训练和数据预测时，往往需要多个医疗机构通过联网和数据协同的方式进行。
3.在对医疗系统的数据进行机器学习训练时，会对数据库中的病人数据进行特征选择，特征的选择往往影响训练的结果，现有的技术方案，无法方便进行数据的特征选择和筛选，从而给最终模型训练结果和联邦学习结果带来负面效果。


技术实现要素：

4.为了解决现有技术的不足之处，本技术提供了一种基于医疗方向联邦学习的特征管理方法，包括如下步骤：制定数据标准化的统一参照标准，将其定义为国际值域；制定数据标准化的院方参考标准，将其定义为地方值域；将所述国际值域和所述地方值域进行映射以建立转换映射关系；根据所述转换映射关系将根据所述地方值域输入的医疗数据转化为按照所述国际值域的标准化数据；根据机器学习模型所针对的疾病名称设定标准特征模板，所述标准特征模板包含多个对应至所述标准化数据的国际值的检索条目；根据所述标准特征模板的检索条目检索获取所需的数据索引；根据对所述数据索引的选择操作向其他训练节点发起联邦学习训练机器学习模型的请求。
5.进一步地，所述基于医疗方向联邦学习的特征管理方法还包括如下步骤：根据用户输入的文字字段查询匹配对应的国际值；将该国际值及其对应标准字段添加至所述标准特征模板的检索条目中。
6.进一步地，所述基于医疗方向联邦学习的特征管理方法还包括如下步骤：设置所述标准特征模板中多个所述检索条目的逻辑关系；根据所述逻辑关系生成用于检索的检索式。
7.进一步地，所述基于医疗方向联邦学习的特征管理方法还包括如下步骤：根据所述检索式对应的国际值在各个联邦学习节点处获取所述数据索引。
8.进一步地，所述基于医疗方向联邦学习的特征管理方法还包括如下步骤：修改或增加所述标准特征模板中多个所述检索条目的逻辑关系；根据所述逻辑关系生成用于检索的检索式。
9.进一步地，所述基于医疗方向联邦学习的特征管理方法还包括如下步骤：根据用户输入的文字字段查询匹配对应的国际值；将该国际值及其对应标准字段添加至一个新的
特征模板。
10.进一步地，所述基于医疗方向联邦学习的特征管理方法还包括如下步骤：为每个所述检索条目设置比较符号从而确定检索的数值关系的运算条件。
11.进一步地，所述基于医疗方向联邦学习的特征管理方法还包括如下步骤：为每个所述检索条目设置预设阈值从而确定检索的数据关系的阈值条件。
12.进一步地，所述基于医疗方向联邦学习的特征管理方法还包括如下步骤：为每个所述检索条目设置连接符号从而确定检索条目之间的逻辑关系。
13.进一步地，所述基于医疗方向联邦学习的特征管理方法还包括如下步骤：根据所有所述检索条目生成检索式以及针对所述检索式的检索结果；所述检索结果包括数据来源、数据量和数据价值。
14.本技术的有益之处在于：提供了一种能快捷进行特征数据检索并能进行个性化设置的基于医疗方向联邦学习的特征管理方法。
附图说明
15.构成本技术的一部分的附图用来提供对本技术的进一步理解，使得本技术的其它特征、目的和优点变得更明显。本技术的示意性实施例附图及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：图1是根据本技术一种实施例的基于医疗方向联邦学习的特征管理方法的主要步骤示意图；图2是根据本技术一种实施例的基于医疗方向联邦学习的特征管理方法的一个操作界面的示意图；图3是根据本技术一种实施例的基于医疗方向联邦学习的特征管理方法的第二个操作界面的示意图；图4是根据本技术一种实施例的基于医疗方向联邦学习的特征管理方法的第三个操作界面的示意图。
具体实施方式
16.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
17.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
18.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相
互组合。下面将参考附图并结合实施例来详细说明本技术。
19.参照图1至图4所示，本技术一种基于医疗方向联邦学习的特征管理方法，包括如下步骤：制定数据标准化的统一参照标准，将其定义为国际值域；制定数据标准化的院方参考标准，将其定义为地方值域；将国际值域和地方值域进行映射以建立转换映射关系；根据转换映射关系将根据地方值域输入的医疗数据转化为按照国际值域的标准化数据；根据机器学习模型所针对的疾病名称设定标准特征模板，标准特征模板包含多个对应至标准化数据的国际值的检索条目；根据标准特征模板的检索条目检索获取所需的数据索引；根据对数据索引的选择操作向其他训练节点发起联邦学习训练机器学习模型的请求。
20.作为更具体的方案，如图2和图3所示，制定国际值域时包括设置国标值和对应的国标值描述。具体而言，国标值至少包括阿拉伯数字和中文字符。
21.在进行数据标准化时，可以编辑或删除国标值或其对应的国标值描述和导入具有国标值和国标值描述的表格文件。
22.更具体而言，制定地方值域时包括设置地方值和对应的地方值描述。地方值至少包括阿拉伯数字，地方值描述至少包括中文字符。
23.如图2所示，可以通过界面或导入方式进行国际值域的编辑工作。
24.如图3所示，国际值域和地方值域可以通过国际值描述和地方值描述的中文字符进行关联映射。
25.如图4所示的界面，为了方便用户操作和查询，本技术的方法可以根据用户输入的文字字段查询匹配对应的国际值；将该国际值及其对应标准字段添加至标准特征模板的检索条目中。
26.为了简化管理工作量，对于一般性疾病和模型，可以设置标准特征模板中多个检索条目的逻辑关系；根据逻辑关系生成用于检索的检索式。
27.在具体从各个训练节点获取数据时，根据检索式对应的国际值在各个联邦学习节点处获取数据索引。这里所指的数据索引是表示数据位置、长短以及类型等数据而并非是数据本身。
28.为了实现个性化特征数据的检索，基于医疗方向联邦学习的特征管理方法还包括如下步骤：修改或增加标准特征模板中多个检索条目的逻辑关系；根据逻辑关系生成用于检索的检索式。
29.作为扩展的技术方案，为了适应新的模型训练需求，基于医疗方向联邦学习的特征管理方法还包括如下步骤：根据用户输入的文字字段查询匹配对应的国际值；将该国际值及其对应标准字段添加至一个新的特征模板。
30.如图4所示，作为进一步的方案，可以为每个检索条目设置比较符号从而确定检索的数值关系的运算条件。另外，可以为每个检索条目设置预设阈值从而确定检索的数据关系的阈值条件。为每个检索条目设置连接符号从而确定检索条目之间的逻辑关系。这样可以更精细化的获取所需的特征数据。
31.作为更具体的方案，基于医疗方向联邦学习的特征管理方法还包括如下步骤：根据所有检索条目生成检索式以及针对检索式的检索结果；检索结果包括数据来源、数据量和数据价值。
32.以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技
术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。