一种基于边缘计算和联邦学习的云边协调医疗系统的制作方法

技术特征：
1.一种基于边缘计算和联邦学习的云边协调医疗系统，其特征在于包括：云端，所述云端配置有各类用于诊断疾病的诊断模型；边缘端，所述边缘端共多个且分布于各个医疗科室，用于采集患者的医疗数据作为本地医疗数据，用于与所述云端配合、基于联邦学习提供模型训练服务，并用于提供疾病诊断服务；所述模型训练服务为：对于每一类诊断模型，所述边缘端基于本地医疗数据对从云端分发的诊断模型进行局部的模型训练，并将训练得到模型梯度加密上次云端，云端聚合模型梯度并更新所述诊断模型，并将更新后的诊断模型分发至各个边缘端；所述疾病诊断服务为：所述边缘端以本地医疗数据为输入，基于从云端下发的诊断模型进行疾病预测，得到疾病诊断结果。2.根据权利要求1所述的一种基于边缘计算和联邦学习的云边协调医疗系统，其特征在于所述云端通过云端服务器存储各类用于诊断疾病的诊断模型，并用于通过云端服务器聚合模型梯度以更新模型参数，并基于更新后的模型参数对诊断模型进行全局训练，得到更新后的诊断模型。3.根据权利要求1所述的一种基于边缘计算和联邦学习的云边协调医疗系统，其特征在于所述边缘端包括：数据采集模块，所述数据采集模块用于采集患者的医疗数据，所述医疗数据包括相对动态变化的健康监测数据以及相对稳定不变的健康数据；数据传输模块，所述数据传输模块支持无线通信模式，与所述数据采集模块交互，用于传送医疗数据；医疗管理模块，所述医疗管理模块与作为智能医疗设备使用者的用户交互，用于支持用户配置医疗任务，所述医疗任务包括模型训练任务和疾病诊断任务；边缘服务器，所述边缘服务器分别与所述数据传输模块和所述医疗管理模块交互，并通过无线通信的方式与所述云端交互，用于获取并存储本地医疗数据，用于基于所述模型训练任务、与所述云端配合提供模型训练服务，并用于基于所述疾病诊断任务、与所述云端配合提供疾病诊断服务。4.根据权利要求3所述的一种基于边缘计算和联邦学习的云边协调医疗系统，其特征在于所述数据采集模块包括：传感器单元，所述传感器单元用于实时采集患者的健康监测数据；数据采集接口，所述数据采集接口用于与第三方医疗系统交互，从第三方医疗系统中获取患者的监控数据。5.根据权利要求3所述的一种基于边缘计算和联邦学习的云边协调医疗系统，其特征在于所述数据传输模块为具有边缘计算功能，用于对本地医疗数据进行数据预处理，并将预处理后的本地医疗数据传输至边缘服务器，所述边缘服务器用于基于预处理后的本地医疗数据对所述诊断模型进行局部的模型训练；所述数据预处理为对获取的本地医疗数据进行格式化处理，得到格式统一的本地医疗数据。6.根据权利要求5所述的一种基于边缘计算和联邦学习的云边协调医疗系统，其特征在于所述数据传输模块为具有边缘存储和边缘计算功能的基站。
7.根据权利要求3所述的一种基于边缘计算和联邦学习的云边协调医疗系统，其特征在于对于每一类诊断模型，所述边缘服务器基于本地医疗数据对从云端分发的诊断模型进行局部的模型训练，得到边缘端的模型梯度，对于边缘端的模型梯度进行局部搜索以进行参数调优，得到优选的边缘端模型梯度，对所述优选的边缘端模型梯度进行打包加密签名后上传云端。8.根据权利要求7所述的一种基于边缘计算和联邦学习的云边协调医疗系统，其特征在于所述边缘服务器通过无线通信模块与云端连接，所述边缘服务器和无线通信模块配合作为边缘节点，所述边缘节点过执行一致性机制确定打包的权重，具有权限的边缘节点对边缘端模型梯度打包加密签名后上传云端；所述云端认证所述边缘节点的权限后，接收所述边缘节点上传的打包加密签名后的边缘端模型梯度。9.根据权利要求3-8任一项所述的一种基于边缘计算和联邦学习的云边协调医疗系统，其特征在于所述医疗管理模块配置有任务编辑器，所述任务编辑器用于支持作为智能医疗设备使用者的用户配置医疗任务。

技术总结
本发明公开了一种基于边缘计算和联邦学习的云边协调医疗系统，属于物联网人工智能技术领域，要解决的技术问题为如何缓解医疗系统中云计算的通信压力和数据共享冲突。云端，配置有各类用于诊断疾病的诊断模型；边缘端，用于采集患者的医疗数据作为本地医疗数据，用于与所述云端配合、基于联邦学习提供模型训练服务，并用于提供疾病诊断服务；模型训练服务为：边缘端基于本地医疗数据对从云端分发的诊断模型进行局部的模型训练，并将训练得到模型梯度加密上次云端，云端聚合模型梯度并更新所述诊断模型，并将更新后的诊断模型分发至各个边缘端；疾病诊断服务为：基于从云端下发的诊断模型进行疾病预测。模型进行疾病预测。模型进行疾病预测。


技术研发人员：李锐 姜凯 李昉乐 张晖
受保护的技术使用者：山东浪潮科学研究院有限公司
技术研发日：2022.02.25
技术公布日：2022/5/25