申请/专利权人：吉林大学

申请日：2024-01-31

公开（公告）日：2024-05-03

公开（公告）号：CN117976230A

主分类号：G16H50/70

分类号：G16H50/70;G06F21/62

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.21#实质审查的生效;2024.05.03#公开

摘要：本发明公开一种训练医疗数据生成模型的方法、医疗数据生成方法及设备，涉及医疗数据生成技术领域，方法包括：将真实医疗数据和预测医疗数据输入判别器，并结合判别器损失函数计算梯度值；计算当前累积信息泄露量，并据此计算当前需要分配的隐私预算；根据隐私预算和梯度值确定噪声扰动；根据噪声扰动更新判别器参数再更新生成器参数；最后根据已分配的隐私预算确定是否停止迭代，从而得到医疗数据生成模型，本发明提出了一种根据信息泄露灵活分配隐私预算的差分隐私方法，在保护了训练数据隐私的同时，合理分配隐私预算，提高生成医疗数据的可用性。

主权项：1.一种训练医疗数据生成模型的方法，其特征在于，所述方法包括：获取包含敏感信息的真实医疗数据；确定当前迭代轮数对应的生成式对抗模型中生成器生成的预测医疗数据；将真实医疗数据和预测医疗数据输入至所述生成式对抗模型中的判别器，并结合判别器损失函数，计算当前迭代轮数对应的每个样本医疗数据对应的梯度值；所述判别器损失函数为真实医疗数据和预测医疗数据之间的推土机距离；所述样本医疗数据包括：真实医疗数据和预测医疗数据；计算当前迭代轮数对应的训练过程中样本医疗数据的累积信息泄露量；根据所述累积信息泄露量，计算当前迭代轮数需要分配的隐私预算；根据当前迭代轮数需要分配的隐私预算和每个样本医疗数据对应的梯度值，确定噪声扰动；根据噪声扰动，对当前迭代轮数对应的判别器的参数进行更新；根据当前迭代轮数对应的生成器损失函数和更新后的判别器，计算每个预测医疗数据对应的损失值；根据每个预测医疗数据对应的损失值，对当前迭代轮数对应的生成器的参数进行更新；根据预设的总隐私预算和已分配的隐私预算，计算剩余隐私预算；所述已分配的隐私预算包括当前迭代轮数以及当前迭代轮数之前所需要分配的隐私预算；若所述剩余总隐私预算大于0，则返回步骤“将真实医疗数据和预测医疗数据输入至所述生成式对抗模型中的判别器，并结合判别器损失函数，计算当前迭代轮数对应的每个样本医疗数据对应的梯度值”，否则，停止迭代，得到医疗数据生成模型。

全文数据：

权利要求：

百度查询： 吉林大学 训练医疗数据生成模型的方法、医疗数据生成方法及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD