(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210363411.1 (22)申请日 2022.04.08 (71)申请人 李燕秋 地址 315100 浙江省宁波市 鄞州区前河南 路88号1302室 (72)发明人 李燕秋　 (74)专利代理 机构 深圳力拓知识产权代理有限 公司 44313 专利代理师 龚健 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/44(2022.01) G06K 9/62(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 16/27(2019.01) (54)发明名称 基于区块链的神经网络在线学习方法及系 统 (57)摘要 本发明涉及神经网络在 线学习技术领域， 具 体涉及一种基于区块链的神经网络在线学习方 法及系统。 方法包括： 根据区块链上存储的训练 好的初始DNN网络， 得到初始训练集中各医疗图 像对应的特征矩阵以及准确率； 计算期望特征矩 阵； 得到待训练数据集中各医疗图像对应的特征 矩阵以及准确率； 根据所述期望特征矩阵与待训 练数据集中各医疗图像对应的特征矩阵， 计算初 始训练集中各医疗图像对应的关注 程度； 判定其 是否大于设定关注程度阈值， 若大于， 则将对应 的医疗图像和所述待训练数据集共同用于更新 初始DNN网络， 并存储在区块链上。 本发明根据初 始训练集中各医疗图像的关注 程度， 得到一个新 的训练集对DNN网络进行更新和训练， 使DNN网络 能够快速收敛。 权利要求书2页 说明书7页 附图1页 CN 114677563 A 2022.06.28 CN 114677563 A 1.一种基于区块链的神经网络在线学习方法， 其特 征在于， 该 方法包括以下步骤： 根据区块链上存储的训练好的初始DNN网络， 得到初始训练集中各医疗图像对应的特 征矩阵以及特 征矩阵对应的准确率； 根据初始训练集中各医疗图像对应的特征矩阵以及各特征矩阵对应的准确率， 计算期 望特征矩阵； 将待训练数据集中各医疗图像输入到所述初始DN网络的编码器中， 得到待训练数据集 中各医疗图像对应的特 征矩阵以及特 征矩阵对应的准确率； 根据所述期望特征矩阵与待训练数据集中各医疗图像对应的特征矩阵， 计算初始训练 集中各医疗图像对应的关注程度； 判定初始训练集中各医疗图像对应的关注程度是否大于设定关注程度阈值， 若大于， 则将对应的医疗图像和所述待训练数据集共同用于更新初始DNN网络， 并将更新后的DNN网 络存储在区块链上。 2.根据权利要求1所述的基于区块连的神经网络在线学习方法， 其特征在于， 所述计算 初始训练集中各医疗图像对应的关注程度的方法包括： 根据所述期望特征矩阵、 所述待训练数据集中各医疗图像对应的特征矩阵以及对应的 准确率， 得到各 特征矩阵对应的异常程度； 根据所述初始训练集中各医疗图像对应的特征矩阵和所述期望特征矩阵， 计算出初始 训练集差异； 根据所述初始训练集中各医疗图像对应的特征矩阵和所述待训练数据集中各医疗图 像对应的特 征矩阵， 计算出训练集差异； 根据所述异常程度、 初始训练集差异以及训练集差异， 计算初始训练集中各医疗图像 对应的子关注程度； 将初始训练集中各医疗图像对应的多个子关注程度求和， 得到初始训练集中各医疗图 像对应关注程度。 3.根据权利要求2所述的基于区块链的神经网络在线学习方法， 其特征在于， 所述子关 注程度的计算公式为： F(f， d)＝gd×(||Ff‑F0||2+||Ff‑Fd||2) 其中， F(f， d)为根据待训练集中医疗图像d计算得到的初始训练集中医疗图像f对应的 子关注程度， gd为待训练数据集中医疗图像d对应的异常程度， Ff为初始训练集中医疗图像f 对应的特 征矩阵， Fd为待训练数据集中 医疗图像d对应的特 征矩阵， F0为所述期望特 征矩阵。 4.根据权利要求3所述的基于区块链的神经网络在线学习方法， 其特征在于， 采用如下 计算公式计算所述异常程度： gd＝exp(‑αd)||Fd‑F0||2 其中， αd为待训练数据集中的医疗图像d在 初始DNN网络上的准确率， | | ||2为L2范式。 5.根据权利要求3所述的基于区块链的神经网络在线学习方法， 其特征在于， 所述期望 特征矩阵的计算公式为： 权　利　要　求　书 1/2 页 2 CN 114677563 A 2αf为初始训练集中医疗图像f在初始DNN网络 上对应的准确率， S为初始训练集中医疗图 像对应的特 征矩阵的集 合。 6.根据权利要求1所述的基于区块链的神经网络在线学习方法， 其特征在于， 所述训练 好的初始DN N网络是采用联邦学习方法进行训练得到的。 7.一种基于区块链的神经网络在线学习系统， 包括存储器和处理器， 其特征在于， 所述 处理器执行所述存储器存储的计算机程序， 以实现如权利要求1 ‑6任一项所述的基于区块 链的神经网络在线学习方法。权　利　要　求　书 2/2 页 3 CN 114677563 A 3