CN111062043B - 基于边缘计算的医疗影像识别方法及系统 - Google Patents
基于边缘计算的医疗影像识别方法及系统 Download PDFInfo
- Publication number
- CN111062043B CN111062043B CN201911200681.5A CN201911200681A CN111062043B CN 111062043 B CN111062043 B CN 111062043B CN 201911200681 A CN201911200681 A CN 201911200681A CN 111062043 B CN111062043 B CN 111062043B
- Authority
- CN
- China
- Prior art keywords
- data
- request
- cloud center
- owning
- sends
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
- G06F18/21348—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis overcoming non-stationarity or permutations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Hardware Design (AREA)
- Radiology & Medical Imaging (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Bioethics (AREA)
- Software Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Artificial Intelligence (AREA)
Abstract
本发明提供一种基于边缘计算的医疗影像识别方法及系统,包括:数据使用端向域内边缘计算发出第一请求,第一请求包括算法、数据请求信息和私钥;边缘计算根据第一请求在云中心查找符合第一请求的数据拥有端,建立沙盒,使用私钥对算法进行加密,加密后算法和数据请求信息放进沙盒并发送到云中心;云中心将数据请求信息发送到符合第一请求的数据拥有端;数据拥有端查询数据请求信息,将查询结果对应的数据集用私钥加密后发送到云中心;云中心对沙盒中的算法和数据集进行解密,对数据集执行算法,获得图像识别结果集,进行加密,发送给数据拥有端和数据使用端。上述方法和系统提供可靠算法运行方法,确保医疗影像数据不会从数据源泄露到外部。
Description
技术领域
本发明涉及图像处理技术领域,更具体地,涉及一种基于边缘计算的医疗影像识别方法及系统。
背景技术
边缘计算是指介于数据源到云计算中心的计算、存储和网络资源,其核心理念就是要靠近用户及数据源。
医疗影像识别的任务是要通过医疗影像检测到病理,比如通过影像进行癌细胞识别,现在一般以机器学习和模式识别为主的算法模型进行识别任务。
如今基于人工智能的系统及应用需要大量的数据和计算支撑,比如医院的电子病历、医疗影像,一般是在GB甚至TB的级别;这使得从数据源调用数据到数据中心来进行分析和处理变得不现实,一方面受到了网络宽带的限制,另一方面还涉及到数据安全、隐私泄露和数据产权的问题,导致医疗影像数据没有达到共享供他人进行分析使用。
发明内容
本发明提供一种减少数据分析对网络宽带的过度依赖,降低算法计算的延迟,提高整体计算性能;同时针对医疗影像的不同数据源,提供可靠安全的基于边缘计算的医疗影像识别方法及系统。
根据本发明的一个方面,提供一种基于边缘计算的医疗影像识别方法,包括:
数据使用端向自己域内的边缘计算发出第一请求,第一请求包括算法、数据请求信息和私钥,所述数据使用端和边缘计算无线连接;
所述边缘计算根据第一请求在云中心查找出符合第一请求的数据拥有端,建立沙盒,使用数据使用端的私钥对算法进行加密,将加密后的算法和数据请求信息放进沙盒里,将沙盒发送到云中心,所述边缘计算和数据拥有端均与云中心无线连接;
云中心将数据请求信息发送到符合第一请求的数据拥有端;
数据拥有端查询所述数据请求信息,将查询结果对应的数据集用私钥加密后发送到云中心;
云中心对沙盒中的算法和数据拥有端返回的数据集进行解密,对所述数据集执行所述算法,获得图像识别结果集,将所述图像识别结果集进行加密,发送给数据拥有端和数据使用端。
优选地,所述数据请求信息包括特征数据,所述数据拥有端查询所述数据请求信息的步骤包括:
数据拥有端查询其数据储存是否有第一请求的特征数据;
如果所述数据存储有第一请求的全部特征数据,数据拥有端将查询到特征数据缓存用私钥加密后直接输出给云中心;
如果所述数据存储没有第一请求的特征数据,数据拥有端根据数据请求信息对医疗影像进行特征提取,将特征提取后的特征数据用私钥加密后发送到云中心;
如果所述数据存储有第一请求的部分特征数据,将所述部分特征数据直接输出为查询结果集,将根据数据请求信息对医疗影像进行特征提取的其他部分的特征数据和查询结果集组成数据集,用私钥加密后发送到云中心。
优选地,所述数据拥有端将图像识别结果集及其对应的数据集进行存储,以后数据使用端发出的请求包括第一请求时,直接将图像识别结果集和数据集用私钥加密后发送云中心,省略云中心执行算法的步骤。
优选地,所述数据使用端获得图像识别结果集后,发送摧毁信号给云中心,云中心摧毁沙盒并将特征数据清除。
优选地,云中心的沙盒采用容器替代。
优选地,所述数据拥有端和数据使用端均具有自己域内的边缘计算,通过所述自己域里的边缘计算进行沟通,云中心做为边缘计算的桥梁用于发送第一请求和图像识别结果集。
进一步,优选地,所述数据拥有端在自己域内的边缘计算按照筛选比例对符合第一请求的医疗影像进行筛选,对筛选后的医疗影像进行特征提取,特征提取的特征数据按照设定的压缩比进行压缩,将压缩后的特征数据发送到云中心。
优选地,所述数据拥有端为医院的信息存储的服务器,所述数据使用端为科研人或/和医生的服务器。
优选地,所述云中心同时向多个数据拥有端获取特征数据并进行识别分析。
根据本发明的另一个方面,提供一种基于边缘计算的医疗影像识别系统,包括数据拥有端、数据使用端和云中心,其中:
数据使用端向自己域内的边缘计算发出第一请求,第一请求包括算法、数据请求信息和私钥,所述数据使用端和边缘计算无线连接;
所述边缘计算根据第一请求在云中心查找出符合第一请求的数据拥有端,建立沙盒,使用数据使用端的私钥对算法进行加密,将加密后的算法和数据请求信息放进沙盒里,将沙盒发送到云中心,所述边缘计算和数据拥有端均与云中心无线连接;
云中心将数据请求信息发送到符合第一请求的数据拥有端;
数据拥有端查询所述数据请求信息,将查询结果对应的数据集用私钥加密后发送到云中心;
云中心对沙盒中的算法和数据拥有端返回的数据集进行解密,对所述数据集执行所述算法,获得图像识别结果集,将所述图像识别结果集进行加密,发送给数据拥有端和数据使用端。
上述基于边缘计算的医疗影像识别方法及系统以边缘计算为主要框架,结合云中心的计算性能提出了医疗影像识别的算法运行方法,降低计算延迟,提高计算性能,支持具有宽度和高度的医疗影像数据处理,跨域进行安全数据分析,在不泄露原始数据的情况下,调用数据进行算法运行并得出结果,减少数据传输和降低网络宽带需求。
附图说明
图1是本发明所述基于边缘计算的医疗影像识别系统的示意图;
图2是本发明所述基于边缘计算的医疗影像识别方法的流程图。
具体实施方式
在下面的描述中,出于说明的目的,为了提供对一个或多个实施例的全面理解,阐述了许多具体细节。然而,很明显,也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中,为了便于描述一个或多个实施例,公知的结构和设备以方框图的形式示出。
下面将参照附图来对根据本发明的各个实施例进行详细描述。
图1是本发明所述基于边缘计算的医疗影像识别系统的示意图,如图1所示,所述医疗影像识别系统包括数据拥有端、数据使用端和云中心,数据拥有端为数据源一方,将自己拥有的数据提供给数据使用端进行分析和处理,所述数据拥有端为医院的信息存储的服务器,数据使用端为数据使用者,要向数据拥有端获取数据并提供算法对医疗影像数据进行分析和识别,所述数据使用端为科研人或/和医生的服务器,其中:
数据使用端向自己域内的边缘计算发出第一请求,第一请求包括算法、数据请求信息和私钥,所述数据使用端和边缘计算无线连接;
所述边缘计算根据第一请求在云中心查找出符合第一请求的数据拥有端,建立沙盒,使用数据使用端的私钥对算法进行加密,将加密后的算法和数据请求信息放进沙盒里,将沙盒发送到云中心,所述边缘计算和数据拥有端均与云中心无线连接;
云中心将数据请求信息发送到符合第一请求的数据拥有端;
数据拥有端查询所述数据请求信息,将查询结果对应的数据集用私钥加密后发送到云中心;
云中心对沙盒中的算法和数据拥有端返回的数据集进行解密,对所述数据集执行所述算法,获得图像识别结果集,将所述图像识别结果集进行加密,发送给数据拥有端和数据使用端。
优选地,上述云中心同时向多个数据拥有端获取特征数据并进行识别分析。
优选地,上述云中心的沙盒可以采用容器替代。
在本发明的一个实施例中,所述数据请求信息包括特征数据,所述数据拥有端查询所述数据请求信息的步骤包括:
数据拥有端查询其数据储存是否有第一请求的特征数据;
如果所述数据存储有第一请求的全部特征数据,数据拥有端将查询到特征数据缓存用私钥加密后直接输出给云中心;
如果所述数据存储没有第一请求的特征数据,数据拥有端根据数据请求信息对医疗影像进行特征提取,将特征提取后的特征数据用私钥加密后发送到云中心;
如果所述数据存储有第一请求的部分特征数据,将所述部分特征数据直接输出为查询结果集,将根据数据请求信息对医疗影像进行特征提取的其他部分的特征数据和查询结果集组成数据集,用私钥加密后发送到云中心。
在一个实施例中,所述数据拥有端将图像识别结果集及其对应的数据集进行存储,以后数据使用端发出的请求包括第一请求时,直接将图像识别结果集和数据集用私钥加密后发送云中心,省略云中心执行算法的步骤。
在一个实施例中,所述数据使用端获得图像识别结果集后,发送摧毁信号给云中心,云中心摧毁沙盒并将特征数据清除。
在本发明的一个实施例中,所述数据拥有端和数据使用端均具有自己域内的边缘计算,通过所述自己域里的边缘计算进行沟通,云中心做为边缘计算的桥梁用于发送第一请求和图像识别结果集。
上述数据使用端的域内是指数据使用端信任或可以访问的边缘设备,不同的参与方拥有不同的可访问控制的边缘设备,并每个参与方可以是数据拥有端或者是数据使用端。
上述云中心可以理解为一个调度中心,数据使用端通过云中心获得了数据的基本信息,然后当数据使用端需要相应的数据时就向云中心发送数据请求信息;数据请求信息可以通过一般的HTTP协议的POST或GET进行,因此,第一请求中的数据请求信息可以由协议中的参数格式灵活定义的,可以包括查询字符、指定数据集、指定数据特征、指定数据拥有端信息等等。
优选地,所述数据拥有端在自己域内的边缘计算按照筛选比例对符合第一请求的医疗影像进行筛选,对筛选后的医疗影像进行特征提取,特征提取的特征数据按照设定的压缩比进行压缩,将压缩后的特征数据发送到云中心。
图2是本发明所述基于边缘计算的医疗影像识别方法的流程图,如图2所示,所述医疗图像识别方法包括:
步骤S1,数据使用端向自己域内的边缘计算发出第一请求,第一请求包括算法、数据请求信息和私钥,所述数据使用端和边缘计算无线连接,所述算法算法就是要对请求的医疗影像数据进行分析识别的算法代码,优选地,云中心可提供特定的分析识别算法供数据使用端调用,此时数据使用端需在请求中说明要调用云中心中某个指定的算法,优选地,所述数据请求信息包括特征数据,比如要提取晚期肺癌细胞识别数据集的特征可以在其数据请求信息提供,另外,数据请求信息还可以包含数据拥有端信息和数据提取类别及方法等;
步骤S2,数据使用端的所述边缘计算根据第一请求在云中心查找出符合第一请求的数据拥有端,建立沙盒,使用数据使用端的私钥对算法进行加密,将加密后的算法和数据请求信息放进沙盒里,将沙盒发送到云中心,所述边缘计算和数据拥有端均与云中心无线连接;
步骤S3,云中心将数据请求信息发送到符合第一请求的数据拥有端;
步骤S4,数据拥有端查询所述数据请求信息,将查询结果对应的数据集用私钥加密后发送到云中心,例如,数据拥有端会根据数据请求信息和自己设定的数据处理模型对所请求的数据进行处理(如脱敏、特征提取),然后根据请求的方式向云中心发送提取的“特征数据”;
步骤S5,云中心对沙盒中的算法和数据拥有端返回的数据集进行解密,对所述数据集执行所述算法,获得图像识别结果集,将所述图像识别结果集进行加密,发送给数据拥有端和数据使用端。
在步骤S4中,包括:
数据拥有端查询其数据储存是否有第一请求的特征数据。
如果所述数据存储有第一请求的全部特征数据,数据拥有端将查询到特征数据缓存用私钥加密后直接输出给云中心;
如果所述数据存储没有第一请求的特征数据,数据拥有端根据数据请求信息对医疗影像进行特征提取,将特征提取后的特征数据用私钥加密后发送到云中心;
如果所述数据存储有第一请求的部分特征数据,将所述部分特征数据直接输出为查询结果集,将根据数据请求信息对医疗影像进行特征提取的其他部分的特征数据和查询结果集组成数据集,用私钥加密后发送到云中心。
优选地,在步骤S5之后,还包括:
所述数据使用端获得图像识别结果集后,发送摧毁信号给云中心,云中心摧毁沙盒并将特征数据清除;
所述数据拥有端将图像识别结果集及其对应的数据集进行存储,以后数据使用端发出的请求包括第一请求时,直接将图像识别结果集和数据集用私钥加密后发送云中心,省略云中心执行算法的步骤。
在步骤S1中,所述数据拥有端在自己域内的边缘计算按照筛选比例对符合第一请求的医疗影像进行筛选,对筛选后的医疗影像进行特征提取,特征提取的特征数据按照设定的压缩比进行压缩,将压缩后的特征数据发送到云中心。
在边缘计算进行特征提取,特征提取涉及搜集海量的数据,因此要在边缘计算进行,经过特征提取之后再传输到云中心进行识别。经过特征提取的数据大大的降低了数据传输量,比如在边缘计算对影像进行特征提取,利用在边缘数据已训练的数据特征提取模型对整个数据库里的所有m各影像进行筛选,比如针对肺癌细胞可对影像进行细胞识别然后将其余部分去除,只筛选细胞部分的影像然后对其再进一步做特征提取。筛选的比例为p,那么筛选后的数量为m*p,然后进行预处理和特征提取,特征提取的数据压缩比为q,那么最后的数据集为整个原始数据集的m*p*q,大大的降低了数据的传输量。上述预处理是指数据拥有端在其边缘端里对请求的数据集在云中心运行前的处理,这里的预处理包括但不限于大数据的预处理工程,如数据清洗、数据集筛选、数据降维,数据采样,数据脱敏等。可知预处理是数据拥有端指定并在其自己的边缘计算中心中运行的;数据脱敏具体算法包括k-anonymity,安全多方计算、差分隐私、同态加密等算法及处理。
数据特征提取模型是由数据拥有端提供制定的,所以原始数据不会泄露到外部,只有对识别有关的特征数据将发送到云中心。云中心运行算法之后将结果集(算法输出结果)发送给数据拥有端和数据使用端。数据使用端将特征和对应的结果集存储到自己边缘计算里,以后的数据请求就可直接查询已存储的特征并输出。数据、算法和结果集在整个网络中的传输都要通过加密和解密过程,确保数据在网络中安全的传输。
在一个优选实施例中,基于边缘计算的医疗影像识别方法包括:
数据使用端向自己域内的边缘计算做出第一请求,第一请求包括算法及数据请求信息;
边缘计算根据数据请求信息在云中心中查找出数据源的边缘计算所在。
边缘计算将数据使用端的私钥对算法进行加密;
边缘计算建立沙盒(或者是容器),把加密后的算法和数据请求信息放进沙盒里;
边缘计算将处理好的沙盒发送到云中心;
云中心根据数据请求信息将数据请求信息发送到数据拥有端的边缘计算所在。
数据拥有端查询其特征数据储存是否有请求的数据;
如果有请求的数据,数据拥有端将查询到特征数据缓存直接输出为结果集;
如果没有查询到的请求数据,数据拥有端将根据数据请求信息对医疗影像进行特征提取;
数据拥有端将特征提取后的数据和结果集用私钥加密后发送到云中心;
云中心对沙盒中的算法和特征数据进行解密并对获取的特征执行算法;
云中心执行算法任务后对结果集进行加密并向数据拥有端和算法提供端(数据使用端)发送结果集;
数据拥有端将结果集和对应的特征数据存储在特征储存里以供以后。
云中心摧毁算法沙盒并将特征数据清除;
算法提供端将结果集解密并得到算法分析结果。
尽管前面公开的内容示出了本发明的示例性实施例,但是应当注意,在不背离权利要求限定的范围的前提下,可以进行多种改变和修改。根据这里描述的发明实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本发明的元素可以以个体形式描述或要求,但是也可以设想具有多个元素,除非明确限制为单个元素。
Claims (9)
1.一种基于边缘计算的医疗影像识别方法,其特征在于,包括:
数据使用端向自己域内的边缘计算发出第一请求,第一请求包括算法、数据请求信息和私钥,所述数据使用端和边缘计算无线连接;
所述边缘计算根据第一请求在云中心查找出符合第一请求的数据拥有端,建立沙盒,使用数据使用端的私钥对算法进行加密,将加密后的算法和数据请求信息放进沙盒里,将沙盒发送到云中心,所述边缘计算和数据拥有端均与云中心无线连接;
云中心将数据请求信息发送到符合第一请求的数据拥有端;
数据拥有端查询所述数据请求信息,将查询结果对应的数据集用私钥加密后发送到云中心;
云中心对沙盒中的算法和数据拥有端返回的数据集进行解密,对所述数据集执行所述算法,获得图像识别结果集,将所述图像识别结果集进行加密,发送给数据拥有端和数据使用端,其中,所述数据请求信息包括特征数据,所述数据拥有端查询所述数据请求信息的步骤包括:
数据拥有端查询其数据储存是否有第一请求的特征数据;
如果所述数据存储有第一请求的全部特征数据,数据拥有端将查询到特征数据缓存用私钥加密后直接输出给云中心;
如果所述数据存储没有第一请求的特征数据,数据拥有端根据数据请求信息对医疗影像进行特征提取,将特征提取后的特征数据用私钥加密后发送到云中心;
如果所述数据存储有第一请求的部分特征数据,将所述部分特征数据直接输出为查询结果集,将根据数据请求信息对医疗影像进行特征提取的其他部分的特征数据和查询结果集组成数据集,用私钥加密后发送到云中心。
2.根据权利要求1所述的医疗影像识别方法,其特征在于,所述数据拥有端将图像识别结果集及其对应的数据集进行存储,以后数据使用端发出的请求包括第一请求时,直接将图像识别结果集和数据集用私钥加密后发送云中心,省略云中心执行算法的步骤。
3.根据权利要求1所述的医疗影像识别方法,其特征在于,所述数据使用端获得图像识别结果集后,发送摧毁信号给云中心,云中心摧毁沙盒并将特征数据清除。
4.根据权利要求1所述的医疗影像识别方法,其特征在于,所述云中心的沙盒采用容器替代。
5.根据权利要求1所述的医疗影像识别方法,其特征在于,所述数据拥有端和数据使用端均具有自己域内的边缘计算,通过所述自己域内的边缘计算进行沟通,云中心作为边缘计算的桥梁用于发送第一请求和图像识别结果集。
6.根据权利要求5所述的医疗影像识别方法,其特征在于,所述数据拥有端在自己域内的边缘计算按照筛选比例对符合第一请求的医疗影像进行筛选,对筛选后的医疗影像进行特征提取,特征提取的特征数据按照设定的压缩比进行压缩,将压缩后的特征数据发送到云中心。
7.根据权利要求1所述的医疗影像识别方法,其特征在于,所述数据拥有端为医院的信息存储的服务器,所述数据使用端为科研人或/和医生的服务器。
8.根据权利要求1所述的医疗影像识别方法,其特征在于,所述云中心同时向多个数据拥有端获取特征数据并进行识别分析。
9.一种基于边缘计算的医疗影像识别系统,其特征在于,包括数据拥有端、数据使用端和云中心,其中:
数据使用端向自己域内的边缘计算发出第一请求,第一请求包括算法、数据请求信息和私钥,所述数据使用端和边缘计算无线连接;
所述边缘计算根据第一请求在云中心查找出符合第一请求的数据拥有端,建立沙盒,使用数据使用端的私钥对算法进行加密,将加密后的算法和数据请求信息放进沙盒里,将沙盒发送到云中心,所述边缘计算和数据拥有端均与云中心无线连接;
云中心将数据请求信息发送到符合第一请求的数据拥有端;
数据拥有端查询所述数据请求信息,将查询结果对应的数据集用私钥加密后发送到云中心;
云中心对沙盒中的算法和数据拥有端返回的数据集进行解密,对所述数据集执行所述算法,获得图像识别结果集,将所述图像识别结果集进行加密,发送给数据拥有端和数据使用端,
其中,所述数据请求信息包括特征数据,所述数据拥有端查询所述数据请求信息的步骤包括:
数据拥有端查询其数据储存是否有第一请求的特征数据;
如果所述数据存储有第一请求的全部特征数据,数据拥有端将查询到特征数据缓存用私钥加密后直接输出给云中心;
如果所述数据存储没有第一请求的特征数据,数据拥有端根据数据请求信息对医疗影像进行特征提取,将特征提取后的特征数据用私钥加密后发送到云中心;
如果所述数据存储有第一请求的部分特征数据,将所述部分特征数据直接输出为查询结果集,将根据数据请求信息对医疗影像进行特征提取的其他部分的特征数据和查询结果集组成数据集,用私钥加密后发送到云中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911200681.5A CN111062043B (zh) | 2019-11-29 | 2019-11-29 | 基于边缘计算的医疗影像识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911200681.5A CN111062043B (zh) | 2019-11-29 | 2019-11-29 | 基于边缘计算的医疗影像识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111062043A CN111062043A (zh) | 2020-04-24 |
CN111062043B true CN111062043B (zh) | 2022-05-20 |
Family
ID=70299633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911200681.5A Active CN111062043B (zh) | 2019-11-29 | 2019-11-29 | 基于边缘计算的医疗影像识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062043B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11625820B2 (en) * | 2020-05-28 | 2023-04-11 | Applied Materials Israel Ltd. | Evaluating an inspection algorithm for inspecting a semiconductor specimen |
CN114124548B (zh) * | 2021-11-26 | 2024-01-26 | 中通服咨询设计研究院有限公司 | 一种基于边缘计算的数据跨域流动安全的方法 |
CN115274099B (zh) * | 2022-09-26 | 2022-12-30 | 之江实验室 | 一种人与智能交互的计算机辅助诊断系统与方法 |
CN117877737A (zh) * | 2024-03-12 | 2024-04-12 | 北方健康医疗大数据科技有限公司 | 一种原发性肺癌风险预测模型的构建方法、系统及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108801441A (zh) * | 2018-04-25 | 2018-11-13 | 哈尔滨电气股份有限公司 | 一种基于工业互联网及边缘计算的汽轮机数据采集系统 |
CN108924081A (zh) * | 2018-05-03 | 2018-11-30 | 深圳中泰智丰物联网科技有限公司 | 基于边缘计算的物联网中保护用户隐私抵抗恶意用户方法 |
CN109102401A (zh) * | 2018-07-23 | 2018-12-28 | 上海点融信息科技有限责任公司 | 用于在区块链网络中运行智能合约的方法和装置 |
CN109936562A (zh) * | 2019-01-09 | 2019-06-25 | 南京邮电大学 | 一种面向雾计算的可扩展访问控制方法 |
CN110210234A (zh) * | 2019-04-23 | 2019-09-06 | 平安科技(深圳)有限公司 | 转诊时医疗信息的迁移方法、装置、计算机设备和存储介质 |
-
2019
- 2019-11-29 CN CN201911200681.5A patent/CN111062043B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108801441A (zh) * | 2018-04-25 | 2018-11-13 | 哈尔滨电气股份有限公司 | 一种基于工业互联网及边缘计算的汽轮机数据采集系统 |
CN108924081A (zh) * | 2018-05-03 | 2018-11-30 | 深圳中泰智丰物联网科技有限公司 | 基于边缘计算的物联网中保护用户隐私抵抗恶意用户方法 |
CN109102401A (zh) * | 2018-07-23 | 2018-12-28 | 上海点融信息科技有限责任公司 | 用于在区块链网络中运行智能合约的方法和装置 |
CN109936562A (zh) * | 2019-01-09 | 2019-06-25 | 南京邮电大学 | 一种面向雾计算的可扩展访问控制方法 |
CN110210234A (zh) * | 2019-04-23 | 2019-09-06 | 平安科技(深圳)有限公司 | 转诊时医疗信息的迁移方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
Secure Data Access Control With Ciphertext Update and Computation Outsourcing in Fog Computing for Internet of Things;Qinlong Huang,Yixian Yang,Licheng Wang;《IEEE Access》;20170714;正文第I-VIII节 * |
讨论边缘云在医疗影像中的应用;黄倩;《数据通信》;20190531;正文第1-3页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111062043A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111062043B (zh) | 基于边缘计算的医疗影像识别方法及系统 | |
CN111928888B (zh) | 一种水域污染智能监控分析方法及系统 | |
US10621440B2 (en) | Network switching appliance, process and system for performing visual analytics for a streaming video | |
CN112949545B (zh) | 识别人脸图像的方法、装置、计算设备和介质 | |
WO2016140695A1 (en) | Automated integration of video evidence with data records | |
CN114218322B (zh) | 基于密文传输的数据展示方法、装置、设备及介质 | |
CN116383793B (zh) | 人脸数据处理方法、装置、电子设备和计算机可读介质 | |
Yadav et al. | Big data hadoop: Security and privacy | |
Hassan et al. | IoT Forensic Frameworks (DFIF, IoTDOTS, FSAIoT): A Comprehensive Study | |
TWI820064B (zh) | 在通訊網路中保障數位資料傳輸 | |
Moradi et al. | A real-time biometric encryption scheme based on fuzzy logic for IoT | |
CN116796015A (zh) | 一种可视化多模态数据采集、传输、处理的方法 | |
CN115426189A (zh) | 一种基于大数据的信息安全防护方法和系统 | |
CN113660080B (zh) | 一种安全多方计算与联邦分析技术 | |
CN114205816B (zh) | 一种电力移动物联网信息安全架构及其使用方法 | |
CN113132678B (zh) | 一种数据传输方法、装置、电子设备及存储介质 | |
WO2022016573A1 (zh) | 一种视频监控分析系统和方法 | |
CN109660541B (zh) | 去中心化大数据的采集方法及装置 | |
CN112347492A (zh) | 一种切入式数据加密传输解密接受的方法 | |
CN113052044A (zh) | 识别虹膜图像的方法、装置、计算设备和介质 | |
CN113051418A (zh) | 一种图像来源追踪方法、装置、存储介质及电子设备 | |
CN107995239B (zh) | 光谱数据优化方法及系统 | |
CN114117540B (zh) | 一种大数据分析处理方法及系统 | |
Liu et al. | Lightweight and Practical Privacy-Preserving Image Masking in Smart Community | |
US20240029183A1 (en) | Automatic Tagging of Smart Contracts for Electronic Notarization in a Decentralized Finance System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |