基于联邦学习的下肢康复评估算法与实现

作     者：梁朝晖 朱笑笑 曹其新 马燕红 徐义明 LIANG Zhao-hui;ZHU Xiao-xiao;CAO Qi-xin;MA Yan-hong;XU Yi-ming

作者机构：上海交通大学机械与动力工程学院上海200240 上海交通大学附属第六人民医院康复医学科上海200233 

基　　金：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) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2023年第44卷第8期

页      码：2548-2554页

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。

主 题 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 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2023.08.040

馆 藏 号：203123407...