(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 202210388126.5 (22)申请日 2022.04.13 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市江干区下沙高 教园区 (72)发明人 李小冬　余正生　宫兆喆　 (74)专利代理 机构 杭州杭诚专利事务所有限公 司 33109 专利代理师 施雨婧 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于联邦学习的牙齿 疾病分类方法 (57)摘要 本发明公开了一种基于联邦学习的牙齿疾 病分类方法， 一种基于联邦学习的牙齿疾病分类 方法， 包括以下步骤： S1， 获取用户的口腔信息； S2， 将口腔牙齿图像传至本地服务器进行预处 理； S3， 单个本地服务器根据预处理后的口腔牙 齿图像集和云端总服务器的模型进行模型训练； S4， 将训练完成的模型参数通过数字加密手段传 输至云端总服务器； S5， 各本地服务器根据云端 总服务器数字解密下发的模型参数进行融合并 分类。 本发明中的方法， 分类准确， 不需要对数据 进行集中处理， 口腔信息处于严格保密状态， 不 涉及隐私问题； 且过程中对模型参数进行加密， 进一步保证安全性。 权利要求书2页 说明书6页 附图2页 CN 114841926 A 2022.08.02 CN 114841926 A 1.一种基于联邦学习的牙齿疾病分类方法， 其特 征在于， 包括以下步骤： S1， 获取用户的 口腔信息； S2， 将口腔牙齿图像传至 本地服务器进行 预处理； S3， 单个本地服务器根据 预处理后的口腔牙齿图像集和云端总服务器的模型进行模型 训练； S4， 将训练完成的模型参数通过 数字加密手段传输 至云端总服 务器； S5， 各本地 服务器根据云端总服 务器数字解密下发的模型参数进行融合并分类。 2.根据权利要求1所述的一种基于联邦学习的牙齿疾病分类方法， 其特征在于， 所述步 骤S1中的口腔信息包括口腔牙齿图像和牙齿数量， 所述口腔牙齿图像根据牙齿 数量进行图 像分割处理， 图像分割处理后的口腔牙齿图像以牙齿 数量编号的顺序形成口腔牙齿图像数 据集并暂存至采集端。 3.根据权利要求1或2所述的一种基于联邦学习的牙齿疾病分类方法， 其特征在于， 所 述步骤S2包括以下步骤： S21， 将口腔牙齿图像数据集上传至 本地服务器； S22， 将每个口腔牙齿图像均调整为相同像素和相同大小， 将目标与背景分割， 并过滤 明显错误信息， 得到预处 理后的口腔牙齿图像数据集； S23， 提取口腔牙齿图像数据集中的口腔牙齿图像的有用特征， 包括牙齿数量、 牙齿整 齐度、 牙齿间距以及牙龈信息 。 4.根据权利要求1或2所述的一种基于联邦学习的牙齿疾病分类方法， 其特征在于， 所 述步骤S3包括以下步骤： S31， 云端总服 务器中原 始的联邦学习模型 下发至本地服务器； S32， 以云端总服务器 中原始的联邦学习模型为基础， 结合本地服务器口腔牙齿图像进 行训练， 建立单个本地联邦学习模型。 5.根据权利要求4所述的一种基于联邦学习的牙齿疾病分类方法， 其特征在于， 所述步 骤S32中具体包括获取本地服务器口腔牙齿图像集， 并以本地服务器口腔牙齿图像集作为 样本进行训练， 联邦学习模型识别口腔牙齿图像集中的图像达到规定值后， 最终生成模型 参数并存 储至本地联邦学习模型中。 6.根据权利要求4所述的一种基于联邦学习的牙齿疾病分类方法， 其特征在于， 所述步 骤S4包括以下步骤： S41， 将模型参数同样以图像数据集的形式输出， 将输出的模型参数映射为二进制数据 进行表示， 每个牙齿形成一个独立的数据矩阵An， 输出 的口腔牙齿图像按顺序排列形成为 关于An的6 *6矩阵， 不足位暂时空缺； S42， 若牙齿数量为奇数， 补0 的个数也为奇数， 对整个6*6矩阵进行重新排列， 使6*6矩 阵完整， 对含有暂时空缺的不足位的每一列进行补0， 补0位置按顺序设置在6*6矩阵每列的 An的秩最大值对应的A n之后， 补0位置下方的An按顺序下移； 若一列中有两个不 足位， 则补0 位置设在该列An的秩第二大的值对应的An之后； 若一列中An的秩最大值有多个， 则取该列 最靠后一行的An； S43， 若牙齿数量为偶数， 同样进行补0位置重新排列， 补0位置按顺序设置在6*6矩阵每 列的An的秩最小值对应的An之前， 下方的An下移； 若一列中有两个不足位， 则补0位置设在权　利　要　求　书 1/2 页 2 CN 114841926 A 2该列An的秩第二小的值对应的An之前； 若一列中An的秩最小值有多个， 则取该列最靠前一 行的An； S44， 记录各个补0位置， 并形成补0矩阵， 随后对补0矩阵进行倒 置， 形成加密矩阵， 以加 密矩阵的形式发送到云端总服 务器。 7.根据权利要求1所述的一种基于联邦学习的牙齿疾病分类方法， 其特征在于， 所述步 骤S5包括以下步骤： S51， 云端总服 务器经过数字解密下发模型参数； S52， 本地服务器结合本地联邦学习模型输出结果和云端总服务器下发的模型参数进 行融合比对， 根据融合比对结果对牙齿疾病进行分类。 8.根据权利要求7所述的一种基于联邦学习的牙齿疾病分类方法， 其特征在于， 所述步 骤S52包括以下步骤： S521， 对云端总服务器下发的模型参数进行数据整理， 先遍历每个模型参数， 以牙齿数 量进行大类划分， 对相 应的模型参数随机插入干扰色块， 不同颜色的干扰色块代表不同种 牙齿疾病类型， 相同的干扰色块插入位置由牙齿疾病发生位置决定， 随机的干扰色块插入 位置记录在本地 服务器中的色块存 储器中； S522， 本地联邦学习模型输出结果与云端总服务器下发的模型参数进行相似度比对， 遍历找出接近的云端总服务器下发的模型参数， 并根据干扰色块颜色和插入位置确定牙齿 疾病类型。权　利　要　求　书 2/2 页 3 CN 114841926 A 3