科创中国

物理

本发明涉及图像处理技术领域，特别涉及一种无监督联邦学习磁共振成像方法，该方法包括：首先，对本地模型进行自监督训练，更新本地模型的参数；本地模型包括多个参与联邦学习的本地客户端模型；接下来，对更新参数后的本地模型进行加权聚合，得到全局模型；然后，基于全局模型，对本地模型进行个性化处理，得到内部个性化模型；内部个性化模型为本地客户端的本地模型、其他客户端的个性化模型和全局客户端之间的插值；最后，对外部客户端进行个性化处理；外部客户端为不可见数据分布的外部客户端。本发明提供的无监督联邦学习磁共振成像方法，能够为缺乏全采样参考数据且数据分布不同的内部和外部客户端提供个性化的模型。

1.一种无监督联邦学习磁共振成像方法，其特征在于，包括： 对本地模型进行自监督训练，更新所述本地模型的参数；所述本地模型包括多个参与联邦学习的本地客户端模型； 对更新参数后的本地模型进行加权聚合，得到全局模型； 基于所述全局模型，对所述本地模型进行个性化处理，得到内部个性化模型；所以内部个性化模型为本地客户端的本地模型、其他客户端的个性化模型和全局客户端之间的插值； 对外部客户端进行个性化处理；所述外部客户端为不可见数据分布的外部客户端。 2.根据权利要求1所述的无监督联邦学习磁共振成像方法，其特征在于，所述对本地模型进行自监督训练，更新所述本地模型的参数，包括： 在任意本地模型上，以欠采样K空间数据作为模型输入数据，对所述欠采样空间数据进行数据增广，得到至少两个K空间数据； 将任意两个K空间数据相对应的磁共振图像分别作为第一网络和第二网络的输入，所述第一网络和所述第二网络为结构相同、参数不同的网络，通过公式(1)对本地模型进行自监督训练：

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

点击查看