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！

龙图腾网获悉电子科技大学;四川大学华西医院申请的专利基于联邦学习实现医疗数据的隐私保护系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115563650B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211262070.5，技术领域涉及：G06F21/62；该发明授权基于联邦学习实现医疗数据的隐私保护系统是由王瑞锦;张凤荔;孙鑫;周世杰;谭婧;王雯;赖金山;张志扬;刘东;孙鹏钊设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本基于联邦学习实现医疗数据的隐私保护系统在说明书摘要公布了：本发明公开了一种基于联邦学习实现医疗数据的隐私保护系，涉及医疗数据管理技术领域，包括医疗终端设备、医疗边缘服务器和医疗云中心服务器；医疗终端设备可通过变分建模对医疗数据进行预处理以实现隐私增强并得到模型训练数据；医疗边缘服务器用于将模型训练数据传入多模态模型，筛选得到生命体征区域特征，对全局医疗模型进行训练，得到局部模型，在局部模型梯度中加入本地微分扰动噪声；初始化和更新全局医疗模型。本发明为基于联邦学习的云边、智能、安全、可信的架构，能实现云边智能协同下的医疗模型训练；实现了医疗数据多模态融合的细粒度分类，提高了模型的准确率；将变分建模和差分隐私集成到系统架构中，确保医疗数据的高机密性。

本发明授权基于联邦学习实现医疗数据的隐私保护系统在权利要求书中公布了：1.一种基于联邦学习实现医疗数据的隐私保护系统，其特征在于，包括医疗终端设备、医疗边缘服务器和医疗云中心服务器； 所述医疗终端设备用于 实时采集来自患者的医疗图像数据， 通过变分建模对医疗数据进行预处理以实现隐私增强并得到模型训练数据，以及 将模型训练数据传输给所述医疗边缘服务器； 所述医疗边缘服务器用于 从所述医疗云中心服务器获取需要训练的全局医疗模型， 将模型训练数据传入多模态模型，筛选得到生命体征区域特征， 利用生命体征区域特征对全局医疗模型进行训练，得到局部模型，在局部模型梯度中加入本地微分扰动噪声，以及 将加入本地微分扰动噪声的局部模型梯度发送给所述医疗云中心服务器； 所述医疗云中心服务器用于 生成最初的全局医疗模型，并下发至各所述医疗边缘服务器，以进入第一轮联邦学习， 接收并聚合各加入本地微分扰动噪声的局部模型梯度，得到全局模型梯度，并向全局模型梯度中添加全局噪声， 使用添加全局噪声后的全局模型梯度更新全局医疗模型参数，生成新的全局医疗模型，当新的全局医疗模型收敛时，则联邦学习结束，否则将新的全局医疗模型下发至各所述医疗边缘服务器，以进入下一轮联邦学习； 变分建模的过程包括： 使用全连接网络E隐藏医疗数据x得到隐藏数据z； 将隐藏数据z输入概率编码器B得到近似概率分布b； 将近似概率分布b输入解码器D得到模型训练数据； 所述医疗边缘服务器采用多模态模型捕获模型训练数据中最具区分度的区域，并排除模型训练数据的背景噪声，得到生命体征区域特征；通过多模态模型筛选得到生命体征区域特征的过程包括以下步骤： S1、对模型训练数据的两个模态分别进行编码，得到两个模态的编码特征； S2、将两个模态的编码特征进行多模态交叉解码得到融合特征； S3、将融合特征传入细粒度筛选模块，筛选得到生命体征区域特征； 步骤S3具体包括以下步骤： S31、将多模态交叉解码网络对应的两个模态的L层全部注意力权重分别表示为： ； S32、将多模态交叉解码网络每一层中两个模态的注意力权重相乘，则多模态交叉解码网络第l层的权重表示为： ， 多模态交叉解码网络L层的全部权重则表示为，假设共有N个Patches，则多模态交叉解码网络第l层的权重表示为： 对于每一个Patch，在多模态交叉解码网络L层中选取对应权重最大的数组成新的权重矩阵: 其中i=0,1,…,N表示第i个patch在L层中的最大权重； S33、根据权重矩阵中最大权重的下标，和要选取的patches数量n，选取n个权重 最大的下标，并根据下标j对融合特征进行筛选，得到生命体征区域特 征

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学;四川大学华西医院，其通讯地址为：610000 四川省成都市高新区(西区)西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。