基于联邦学习的下肢康复评估算法与实现 |
| |
作者姓名: | 梁朝晖 朱笑笑 曹其新 马燕红 徐义明 |
| |
作者单位: | 1. 上海交通大学机械与动力工程学院;2. 上海交通大学附属第六人民医院康复医学科 |
| |
基金项目: | 上海市2019年度“科技创新行动计划”生物医药领域科技支撑基金项目(19441908300); |
| |
摘 要: | 为解决跨机构模型训练及康复评估的数据隐私问题,提出一种基于联邦学习的下肢康复评估算法。搭建联邦学习系统,通过客户端选择机制及量化编码压缩提高通讯效率。设计限制项随机梯度下降优化器保证本地训练时的模型收敛性,通过高斯差分隐私算法进行全局更新。在此基础上设计GRU-Inception神经网络模型,利用联邦学习系统进行训练并完成下肢康复评估任务。实验验证了该算法具有较好的康复评估效果。
|
关 键 词: | 联邦学习 下肢康复评估 客户端选择机制 量化编码压缩 限制项随机梯度下降优化器 高斯差分隐私 GRU-Inception神经网络模型 |
|