8、癌症患者数据处理中联邦学习架构与无人机任务卸载调度方案

癌症患者数据处理中联邦学习架构与无人机任务卸载调度方案

癌症患者数据处理的联邦学习架构

在癌症治疗中，医生开出的治疗方案往往会对患者的日常生活和生活质量（QoL）产生负面影响。因此，开发智能系统和服务来提升癌症患者的健康相关生活质量参数成为医疗信息学和工程领域的关键优先事项之一。为实现个性化的建议和干预，需要丰富的患者数据记录以及在大型数据集上训练和评估的可靠AI/ML预测模型。下面为您详细介绍一个基于当代AI/ML/FL技术的架构，该架构能保障患者数据的安全和隐私。

AI模型管理器

AI模型管理器是整个架构的基础组件，负责管理本地和全局联邦模型的训练和存储。它使用Flask框架实现了一个API，支持数据导入、模型训练、模型服务和验证结果服务等功能。本地机器学习模型使用scikit - learn库进行训练，而深度联邦机器学习模型则使用Keras库进行训练。训练完成后，会对模型进行验证，本地模型通过十折交叉验证，全局模型则根据帕累托原则将数据集按80:20的比例划分为训练集和验证集。所有与模型元数据和验证结果相关的数据都存储在本地的SQLite数据库中，具体存储的数据如下表所示：
| 变量名 | 描述 |
| — | — |
| Model_id | 每个模型的主键，包含被预测目标值的名称 |
| Model_type | 定义模型用于回归还是分类任务 |
| Target_variable | 被预测变量的名称 |
| Total_predictor_variables | 总预测变量的数量 |
| Predictor_variables | 所有预测变量的名称 |
| Created | 模型