CN112884168B 用于跨站点学习的系统和方法 （上海联影智能医疗科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN112884168B(45)授权公告日2025.01.10

(21)申请号202110136479.1

(22)申请日2021.02.01

(65)同一申请的已公布的文献号申请公布号CN112884168A

(43)申请公布日2021.06.01

(30)优先权数据

16/804,9072020.02.28US

(73)专利权人上海联影智能医疗科技有限公司

地址200232上海市徐汇区龙腾大道2879

号3楼3674室

(72)发明人斯里克里希纳·卡拉南吴子彦阿比舍克·沙玛阿伦·因南耶

陈德仁

(74)专利代理机构上海弼兴律师事务所31283专利代理师薛琦张冉

(51)Int.CI.

GO6N20/20(2019.01)

GO6N5/04(2023.01)

GO6F21/62(2013.01)

(56)对比文件

US2018240011A1,2018.08.23

DaliangLi等.“”FedMD:HeterogenousFederatedLearningviaModel

Distillation”.《arXiv:1910.03581v1》.2019,第1-8页.

审查员刘梦晨

权利要求书1页说明书7页附图3页

(54)发明名称

用于跨站点学习的系统和方法

(57)摘要

CN112884168B用于跨站点学习的系统和方法，从中心服务器向至少一个本地服务器设备传输数据样本。中心服务器从至少一个本地服务器设备接收基于所传输的该组数据样本的一组预测。中心服务器基于所接收的该组预测训练中心模型。然后，可以将中心模型或中心模型的与感兴趣的任务相对应的一部分发送到至少一个本地服务器设备。来自本地站点的本地数据和来自本地站点的训

CN112884168B

100

104

104

存储器

输出

102

108

处理器

输入

106

CN112884168B权利要求书1/1页

2

1.一种用于跨站点学习的设备，包括：

处理器，其被配置为：

向至少一个本地服务器设备传输一组公开数据样本；所述本地服务器设备包括由私有数据样本训练得到的本地机器学习模型；所述样本为图像；

从所述至少一个本地服务器设备接收一组预测，所述一组预测由所述本地机器学习模型基于所传输的一组公开数据样本生成；所述预测包括图像的注释信息；并且

基于所述所接收的一组预测训练中心机器学习模型；用于训练至少一个本地服务器设备的所述私有数据样本不会传输至所述中心机器学习模型。

2.根据权利要求1所述的设备，其中，所述处理器还被配置为将所述中心模型的至少一部分传输到所述至少一个本地服务器设备。

3.根据权利要求2所述的设备，其中，所述处理器还被配置为：确定在所述至少一个本地服务器设备处的至少一个感兴趣的任务；识别所述中心机器学习模型的与至少一个感兴趣的任务相对应的部分；并且将所述中心机器学习模型的与所述至少一个感兴趣的任务相对应的所识别的部分传输到所述至少一个本地服务器设备。

4.根据权利要求1所述的设备，其中，所述一组数据样本特定于所述至少一个本地服务器设备处的感兴趣任务。

5.根据权利要求1所述的设备，其中，所述设备包括训练或推导服务器。

6.根据权利要求1所述的设备，其中，所述所传输的一组数据样本对应于所述至少一个本地服务器设备处的感兴趣任务。

7.根据权利要求1所述的设备，其中，所述处理器还被配置为从所述所接收的一组预测形成与至少一个感兴趣任务相对应的集成数据集。

8.一种用于跨站点学习的方法，包括：

从中心服务器向至少一个本地服务器设备传输一组公开数据样本；所述本地服务器设备包括由私有数据样本训练得到的本地机器学习模型；所述样本为图像；

在所述中心服务器中从所述至少一个本地服务器设备接收一组预测，所述一组预测由所述本地机器学习模型基于所传输的一组公开数据样本生成；所述预测包括图像的注释信息；以及

基于所述所接收的一组预测在所述中心服务器中训练中心机器模型；用于训练至少一个本地服务器设备的所述私有数据样本不会传输至所述中心机器学习模型。

9.一种用于跨站点学习的计算机程序产品，包括其上存储有程序指令的非瞬时性计算机可读介质，这些程序指令当由处理器执行时，使得所述处理器执行根据权利要求8所述的方法。

CN11288416