由于医疗数据中含有大量患者的隐私信息，传统的数据中心式模型训练方式在数据聚合过程中容易造成患者隐私泄漏。针对上述问题，提出了一种基于联邦学习的传染病预警模型，采用联邦学习的方法使各个数据节点能够在不上传本地电子病历数据的情况下，通过训练symptomBERT模型提取症状向量进行传染病预警，并采用信誉区块链选取可靠的数据节点，从而保证模型的训练效果。实验证明基于联邦学习的传染病预警模型能够在保护患者隐私的前提下，能够有效提取症状向量进行传染病预警。
科研之友
微信
新浪微博
Facebook
分享链接
