CN114093465A - 基于同态加密的医疗图像标注系统及其数据处理方法 - Google Patents
基于同态加密的医疗图像标注系统及其数据处理方法 Download PDFInfo
- Publication number
- CN114093465A CN114093465A CN202111263127.9A CN202111263127A CN114093465A CN 114093465 A CN114093465 A CN 114093465A CN 202111263127 A CN202111263127 A CN 202111263127A CN 114093465 A CN114093465 A CN 114093465A
- Authority
- CN
- China
- Prior art keywords
- data
- encrypted
- cpu
- operation result
- original data
- 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.)
- Pending
Links
- 238000002372 labelling Methods 0.000 title claims abstract description 24
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000012549 training Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 18
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/008—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols involving homomorphic encryption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
- H04L2209/88—Medical equipments
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Signal Processing (AREA)
- Radiology & Medical Imaging (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开一种基于同态加密的医疗图像标注系统及其数据处理方法,包括:CPU接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理;FPGA接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果;CPU接收所述加密数据的运算结果,并将加密数据的运算结果发送给参与方,以供参与方将所述加密数据的运算结果进行解密处理,以得到实际运算结果;也即本发明的技术方案能够在实现同态加密对数据进行处理的同时,又能够保证处理效率。
Description
技术领域
本发明涉及医疗技术领域,尤其是一种基于同态加密的医疗图像标注系统及其数据处理方法。
背景技术
人工智能应用在医疗领域亟需大数据驱动,以及深度学习算法所需大量数据做支撑,将医生临床经验总结为规范化的精细流程规则,实现对患者身体信息状况的精准判断。目前医疗人工智能的研究主要分为临床应用和医学研究两大方面。其中,医学研究则利用人工智能的数据提取、模拟试验的优势对医学数据分析,帮助医学人员进行医学研发、特定病症病因分析与治疗等相关研究;人工智能通过对数据学习,让机器具备“思考”和行动的能力。人工智能在医疗上的应用非常广泛,其中应用最为广泛、关注度最高的是在医疗图像的识别上,而传统的深度学习分类器需要每个数据类别平均包含 4092个影像或样本的训练数据集。目前关于医学数据标注并未形成标准库,需要一个平台整合大量医疗数据以及标签集,通过“密文计算”、“不可伪造”、“全程留痕”、“可以追溯”、“公开透明”、“集体维护”等技术手段建立坚实的“信任”基础,创造权威医院顶级医生医疗共识、共享、共创,形成具有行业代表性的标准数据集,实现创造“智”后,赋“能”基层。
目前的技术现状主要包括如下:
1)、目前众包数据管理平台缺乏对医疗领域的专业处理,也没有可以明确数据集流向的医疗数据平台。
2)、现有的医疗数据处理工具比较凌乱,有单独的标签工具,也有数据脱敏工具(针对DICOM格式的),缺少一个平台可以集中看到各类医疗数据并进行有效管理,以保证后续相关成果的可重复性,促进医学数据高效标注。
3)、随着医疗信息化技术的发展,一些医疗机构每年都会收集海量的医学数据信息,自建专业领域上的医学图像标注系统,通过结合医疗专家的临床判断,合作医院的医学临床数据、第三方机构、专业标注人员丰富医学数据智能化,但医学数据的人工智能标注上往往需要极其专业的临床知识,而各医疗单位的专业人员标注资源有限,目前各机构的专业标注成果无法在保证数据安全、在不泄露任何原始数据的情况对数据进行模型训练,下实现数据共享,并实现标准化的可持续运营的人工智能标注标准体系管理。
发明内容
本发明的主要目的是提出一种基于同态加密的医疗图像标注系统及其数据处理方法,旨在能够在实现同态加密对数据进行处理的同时,又能够保证处理效率。
为实现上述目的,本发明提出一种基于同态加密的医疗图像标注系统,包括:
CPU,用以接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理;以及,
FPGA,与所述CPU通讯连接,用以接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果;
其中,所述CPU还用以接收所述加密数据的运算结果,并将加密数据的运算结果发送给参与方,以供参与方将所述加密数据的运算结果进行解密处理,以得到实际运算结果。
可选地,所述CPU具有:
训练模型模块,用以对学习模型的正常训练工作;
批处理器,用以对所述加密后的原始数据进行初步处理;以及,
数字编译器,用以对初步处理后的原始数据进行编码,并将其发送给 FPGA。
可选地,所述FPGA包括:
通讯接口,用以与所述CPU通讯连接;
板载内存,与所述通讯接口电性连接,用以存储数据;以及,
多个处理器,均与所述板载内存电性连接,用以分别对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果。
可选地,所述CPU与所述FPGA之前通过PCI-E接口通信。
本发明还提供一种基于同态加密的医疗图像标注系统的数据处理方法,包括:
CPU接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理;
FPGA接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果;以及,
CPU接收所述加密数据的运算结果,并将加密数据的运算结果发送给参与方,以供参与方将所述加密数据的运算结果进行解密处理,以得到实际运算结果。
可选地,CPU接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理的步骤,包括:
批处理器对所述加密后的原始数据进行初步处理;
数字编译器对初步处理后的原始数据进行编码,并将其发送给FPGA。
可选地,FPGA接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果的步骤,包括:
多个处理器分别对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果。
在本发明的技术方案中,CPU接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理;FPGA接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果;CPU接收所述加密数据的运算结果,并将加密数据的运算结果发送给参与方,以供参与方将所述加密数据的运算结果进行解密处理,以得到实际运算结果;也即本发明的技术方案通过采用同态加密的处理方式,以避免数据的泄密,同时处理系统包括CPU和FPGA,为提高同态加密模型训练运算效率的可行性,运用FPGA(Field Programmable Gate Array),全称为现场可编程逻辑门阵列,运算处理芯片,提升同态加密下的高并行度的计算任务性能,以致满足密文运算速度接近于明文运算速度,从而达到在不公开不获取病患任何信息的前提下收集各医疗图像标注数据集,数据在加密的情况下运输、加载、清洗、模型训练,全过程在保证了病患的个人隐私安全和数据不公开的情况下获得训练结果,同时解决了密文数据模型训练开销大性能慢的短板。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明提供的基于同态加密的医疗图像标注系统的数据处理方法的一实施例的流程示意图;
图2为基于同态加密的医疗图像标注系的工作过程示意图;
图3为基于同态加密的医疗图像标注系的一实施例的框架示意图;
图4为基于的同态加密的医疗图像标注系统的实现方法;
图5为图4中的标注的流程;
图6为图4中业务场景操作进行记录的具体流程。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示) 下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,全文中出现的“和/或”的含义,包括三个并列的方案,以“A和/或B”为例,包括A方案、或B方案、或A和B同时满足的方案。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明提出一种基于同态加密的医疗图像标注系统,包括:
CPU,用以接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理;以及,
FPGA,与所述CPU通讯连接,用以接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果;
其中,所述CPU还用以接收所述加密数据的运算结果,并将加密数据的运算结果发送给参与方,以供参与方将所述加密数据的运算结果进行解密处理,以得到实际运算结果。
在本发明的技术方案中,CPU接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理;FPGA接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果;CPU接收所述加密数据的运算结果,并将加密数据的运算结果发送给参与方,以供参与方将所述加密数据的运算结果进行解密处理,以得到实际运算结果;也即本发明的技术方案通过采用同态加密的处理方式,以避免数据的泄密,同时处理系统包括CPU和FPGA,为提高同态加密模型训练运算效率的可行性,运用FPGA(Field Programmable Gate Array),全称为现场可编程逻辑门阵列,运算处理芯片,提升同态加密下的高并行度的计算任务性能,以致满足密文运算速度接近于明文运算速度,从而达到在不公开不获取病患任何信息的前提下收集各医疗图像标注数据集,数据在加密的情况下运输、加载、清洗、模型训练,全过程在保证了病患的个人隐私安全和数据不公开的情况下获得训练结果,同时解决了密文数据模型训练开销大性能慢的短板。
在发明的实施例中,如图2所示,所述CPU具有:
训练模型模块,用以对学习模型的正常训练工作;
批处理器,用以对所述加密后的原始数据进行初步处理;以及,
数字编译器,用以对初步处理后的原始数据进行编码,并将其发送给 FPGA。
在发明的实施例中,如图2所示,所述FPGA包括:
通讯接口,用以与所述CPU通讯连接;
板载内存,与所述通讯接口电性连接,用以存储数据;以及,
多个处理器,均与所述板载内存电性连接,用以分别对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果。通过多个处理器并行处理,以达到提供效率的作用。
在发明的实施例中,如图2所示,所述CPU与所述FPGA之前通过PCI-E 接口通信,以使得所述CPU与所述FPGA具有较高的通讯效率。
本发明还提供一种基于同态加密的医疗图像标注系统的数据处理方法,包括:
步骤S10、CPU接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理;
步骤S20、FPGA接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果;以及,
步骤S30、CPU接收所述加密数据的运算结果,并将加密数据的运算结果发送给参与方,以供参与方将所述加密数据的运算结果进行解密处理,以得到实际运算结果。
在本发明的技术方案中,CPU接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理;FPGA接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果;CPU接收所述加密数据的运算结果,并将加密数据的运算结果发送给参与方,以供参与方将所述加密数据的运算结果进行解密处理,以得到实际运算结果;也即本发明的技术方案通过采用同态加密的处理方式,以避免数据的泄密,同时处理系统包括CPU和FPGA,为提高同态加密模型训练运算效率的可行性,运用FPGA(Field Programmable Gate Array),全称为现场可编程逻辑门阵列,运算处理芯片,提升同态加密下的高并行度的计算任务性能,以致满足密文运算速度接近于明文运算速度,从而达到在不公开不获取病患任何信息的前提下收集各医疗图像标注数据集,数据在加密的情况下运输、加载、清洗、模型训练,全过程在保证了病患的个人隐私安全和数据不公开的情况下获得训练结果,同时解决了密文数据模型训练开销大性能慢的短板。
可选地,CPU接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理的步骤,包括:
批处理器对所述加密后的原始数据进行初步处理;
数字编译器对初步处理后的原始数据进行编码,并将其发送给FPGA。
可选地,FPGA接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果的步骤,包括:
多个处理器分别对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果。
基于的同态加密的医疗图像标注系统实现方法,具体业务流程如图4所示,具体的:
S301、图像标注项目负责人创建数据集;
S302、图像标注人员完成标注后,产生一个标注版本,此过程可以扩展,生成若干个标注版本,直至完成一个成熟的最终图像标注版本;
S303、项目负责人将最终标注版本进行同态加密形成密文,向数据管理员申请发布分享;若数据管理人员同意发布,则进行S304-S311/S304-312流程,并完成流程;若驳回,则进行S310并结束流程;
S304-S306、分别为同意发布分享、生成发布分享合约、执行发布分享合约;
S307、算法工程师需要训练数据集,则向数据管理人提出申请,若申请通过,则进行S308-S311;如驳回,则进行S312,结束流程;
图像标注完成后最终结果形成密文,算法工程师对密文数据集进行训练,训练集结果为密文结果,S303-S311全过程在全同态加密中进行。
医疗图像标注系统实现方法,标注流程如图5所示,具体的:
数据标注方式有疾病分类、病灶检测、病灶分割三种,数据标注方式选择采用前端form表单形式;
所述的疾病分类是指将图像进行分类,首先设置标签类别,然后对整张图像进行打标签;
所述的病灶检测是指将图像里的病灶区域检测出来,首先设置标签类别,然后用矩形勾画出病灶区域,产生区域坐标集;
所述的病灶分割,是将图像里病灶轮廓勾画出,是像素级别,首先设置标签类别,然后用用鼠标描出病灶轮廓,产生病灶区域坐标集;
通过三种标注方式,最终生成json、csv、TFRecord等文件格式,供深度学习算法进行训练。
系统对图4业务场景操作进行记录,过程如图6所示,具体流程为:
系统用户在执行操作N-1,该操作为图4所示的操作流程,即S301-S312 任意步骤;
系统服务后台将当前操作日志相关字段进行记录。操作日志包括:存证编号、存证类型名称、数据编号、数据集版本、存证时间、ip地址、标注人员账户类型、存证人账户编号,前一个存证编号,其他信息json字符串。具体的:
存证编号:记录当前操作的id;
存证类型名称:当前操作的名称标识,参考如图4S301-S312;
数据编号:当前图像数据集唯一编号;
数据集版本:记录当前数据集版本号;
存证时间:记录当前操作的时间戳;
ip地址:操作人员操作的ip地址;
存证人账户类型:存证人的类型,包括但不限于项目负责人、标注人员、系统管理员等;
存证人账户编号:由系统分配存证人账户唯一编号;
前一个存证编号:当前操作前一个操作的存证编号,用于生成区块链;
其他信息json字符串:预留的备注信息。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (7)
1.一种基于同态加密的医疗图像标注系统,其特征在于,包括:
CPU,用以接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理;以及,
FPGA,与所述CPU通讯连接,用以接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果;
其中,所述CPU还用以接收所述加密数据的运算结果,并将加密数据的运算结果发送给参与方,以供参与方将所述加密数据的运算结果进行解密处理,以得到实际运算结果。
2.如权利要求1所述的基于同态加密的医疗图像标注系统,其特征在于,所述CPU具有:
训练模型模块,用以对学习模型的正常训练工作;
批处理器,用以对所述加密后的原始数据进行初步处理;以及,
数字编译器,用以对初步处理后的原始数据进行编码,并将其发送给FPGA。
3.如权利要求1所述的基于同态加密的医疗图像标注系统,其特征在于,所述FPGA包括:
通讯接口,用以与所述CPU通讯连接;
板载内存,与所述通讯接口电性连接,用以存储数据;以及,
多个处理器,均与所述板载内存电性连接,用以分别对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果。
4.如权利要求1所述的基于同态加密的医疗图像标注系统,其特征在于,所述CPU与所述FPGA之前通过PCI-E接口通信。
5.一种基于同态加密的医疗图像标注系统的数据处理方法,其特征在于,包括:
CPU接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理;
FPGA接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果;以及,
CPU接收所述加密数据的运算结果,并将加密数据的运算结果发送给参与方,以供参与方将所述加密数据的运算结果进行解密处理,以得到实际运算结果。
6.如权利要求5所述的基于同态加密的医疗图像标注系统的数据处理方法,其特征在于,CPU接收参与方发送的加密后的原始数据,并且对所述加密后的原始数据进行初步处理的步骤,包括:
批处理器对所述加密后的原始数据进行初步处理;
数字编译器对初步处理后的原始数据进行编码,并将其发送给FPGA。
7.如权利要求5所述的基于同态加密的医疗图像标注系统的数据处理方法,其特征在于,FPGA接收所述CPU初步处理后的加密后的原始数据,并且对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果的步骤,包括:
多个处理器分别对所述初步处理后的加密后的原始数据进行运算,以得到加密数据的运算结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111263127.9A CN114093465A (zh) | 2021-10-28 | 2021-10-28 | 基于同态加密的医疗图像标注系统及其数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111263127.9A CN114093465A (zh) | 2021-10-28 | 2021-10-28 | 基于同态加密的医疗图像标注系统及其数据处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114093465A true CN114093465A (zh) | 2022-02-25 |
Family
ID=80298013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111263127.9A Pending CN114093465A (zh) | 2021-10-28 | 2021-10-28 | 基于同态加密的医疗图像标注系统及其数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114093465A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108833095A (zh) * | 2018-06-25 | 2018-11-16 | 北京奇虎科技有限公司 | 区块链中的行为验证方法、节点、系统及电子设备 |
CN110750329A (zh) * | 2019-09-25 | 2020-02-04 | 支付宝(杭州)信息技术有限公司 | 基于fpga实现虚拟机运算的方法及装置 |
CN110969261A (zh) * | 2019-11-29 | 2020-04-07 | 中国银行股份有限公司 | 基于加密算法的模型构建方法及相关设备 |
CN111404943A (zh) * | 2020-03-18 | 2020-07-10 | 腾讯科技(深圳)有限公司 | 数据的处理方法、装置、电子设备及计算机可读存储介质 |
CN113435406A (zh) * | 2021-07-15 | 2021-09-24 | 支付宝(杭州)信息技术有限公司 | 实现隐私保护的人脸识别方法及装置 |
WO2021197035A1 (zh) * | 2020-04-01 | 2021-10-07 | 支付宝(杭州)信息技术有限公司 | 保护数据隐私的双方联合训练业务预测模型的方法和装置 |
-
2021
- 2021-10-28 CN CN202111263127.9A patent/CN114093465A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108833095A (zh) * | 2018-06-25 | 2018-11-16 | 北京奇虎科技有限公司 | 区块链中的行为验证方法、节点、系统及电子设备 |
CN110750329A (zh) * | 2019-09-25 | 2020-02-04 | 支付宝(杭州)信息技术有限公司 | 基于fpga实现虚拟机运算的方法及装置 |
CN110969261A (zh) * | 2019-11-29 | 2020-04-07 | 中国银行股份有限公司 | 基于加密算法的模型构建方法及相关设备 |
CN111404943A (zh) * | 2020-03-18 | 2020-07-10 | 腾讯科技(深圳)有限公司 | 数据的处理方法、装置、电子设备及计算机可读存储介质 |
WO2021197035A1 (zh) * | 2020-04-01 | 2021-10-07 | 支付宝(杭州)信息技术有限公司 | 保护数据隐私的双方联合训练业务预测模型的方法和装置 |
CN113435406A (zh) * | 2021-07-15 | 2021-09-24 | 支付宝(杭州)信息技术有限公司 | 实现隐私保护的人脸识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021208601A1 (zh) | 基于人工智能的图像处理方法、装置、设备及存储介质 | |
CN109872803B (zh) | 一种人工智能病理标注系统 | |
WO2019072181A1 (zh) | 骨髓细胞标记方法和系统 | |
CN110580942A (zh) | 一种新型体检报告生成方法、装置、介质及终端设备 | |
WO2021057148A1 (zh) | 基于神经网络的脑组织分层方法、装置、计算机设备 | |
He et al. | CycleGAN with an improved loss function for cell detection using partly labeled images | |
WO2023029348A1 (zh) | 基于人工智能的图像实例标注方法及相关设备 | |
CN112989087A (zh) | 一种图像处理方法、设备以及计算机可读存储介质 | |
CN111723277A (zh) | 影像结构化报告云端需求分类系统及其方法 | |
WO2022247007A1 (zh) | 医学图像分级方法、装置、电子设备及可读存储介质 | |
US20230368878A1 (en) | Systems and methods using multidimensional language and vision models and maps to categorize, describe, coordinate, and track anatomy and health data | |
CN111967539A (zh) | 基于cbct数据库的颌面部骨折的识别方法、装置及终端设备 | |
CN114093465A (zh) | 基于同态加密的医疗图像标注系统及其数据处理方法 | |
CN115512810A (zh) | 一种医学影像数据的数据治理方法及系统 | |
Nguyen et al. | Collaborative consultation doctors model: Unifying CNN and ViT for COVID-19 diagnostic | |
CN111967540B (zh) | 基于ct数据库的颌面部骨折的识别方法、装置及终端设备 | |
Chhabra et al. | Image pattern recognition for an intelligent healthcare system: An application area of machine learning and big data | |
CN111275035B (zh) | 一种识别背景信息的方法及系统 | |
CN111241834A (zh) | 一种医护质量评价获取方法、装置、介质及终端设备 | |
Miyata et al. | Trafne: a training framework for non-expert annotators with auto validation and expert feedback | |
Pivithuru et al. | E-patient Card: An Integrated Electronic Health Recording System for Patient | |
US20240046456A1 (en) | Systems and methods for dental image analysis | |
CN116364223B (zh) | 特征处理方法、装置、计算机设备及存储介质 | |
Song et al. | Interpretable and Reliable Oral Cancer Classifier with Attention Mechanism and Expert Knowledge Embedding via Attention Map., 2023, 15, 1421 | |
CN113764061B (zh) | 基于多维度数据分析的用药检测方法及相关设备 |
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 |