买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院上海高等研究院申请的专利晶体衍射图像筛选模型训练方法和晶体衍射图像筛选方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114842290B 。

龙图腾网通过国家知识产权局官网在2025-08-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210354459.6，技术领域涉及：G06V10/774；该发明授权晶体衍射图像筛选模型训练方法和晶体衍射图像筛选方法是由许康;祝永新;郑小盈设计研发完成，并于2022-04-06向国家知识产权局提交的专利申请。

本晶体衍射图像筛选模型训练方法和晶体衍射图像筛选方法在说明书摘要公布了：本发明公开了一种晶体衍射图像筛选模型训练方法和晶体衍射图像筛选方法，其中训练方法包括：每个训练小组分别基于本地训练数据进行模型训练，并将训练的模型参数发送给中央服务器，中央服务器基于预设聚合方式对所有所述模型参数进行聚合以获取全局梯度参数组，并基于全局梯度参数组更新衍射图像筛选全局模型，每个训练小组分别判断其是否满足完成识别率不再降低要求，并将判断结果发送给中央服务器，中央服务器基于所有判断结果判断是否训练完成。本发明模型训练方法支持神经网络模型训练数据和全局模型的分离，实现了对私有数据的隐私保护，大幅增强了私有数据的安全性和保密性。

本发明授权晶体衍射图像筛选模型训练方法和晶体衍射图像筛选方法在权利要求书中公布了：1.一种晶体衍射图像筛选模型训练方法，包括： 每个训练小组分别基于其对应的本地训练数据集对对应的本地衍射图像筛选模型进行训练，以获取每个所述训练小组对应的训练完成衍射图像筛选模型；所述训练完成衍射图像筛选模型的模型参数包括所述训练完成衍射图像筛选模型的梯度参数组、对应本地训练数据集的预设KL散度指标和对应所述本地训练数据集中图像数据个数； 所有所述训练小组分别将其对应的训练完成衍射图像筛选模型的模型参数发送给中央服务器； 所述中央服务器基于预设聚合方式对所有所述模型参数进行聚合，以获取全局梯度参数组，并基于所述全局梯度参数组更新衍射图像筛选全局模型； 每个所述训练小组分别判断其预设训练轮次组内获取的所述训练完成衍射图像筛选模型是否符合预设识别准确率条件以获取判断结果，并将所述判断结果发送给所述中央服务器； 所述中央服务器基于所有所述判断结果判断是否所有所述训练小组均完成识别率不再降低要求，若是则将当前所述衍射图像筛选全局模型作为训练完成衍射图像筛选全局模型，否则将当前所述全局梯度参数组分别发送给所有所述训练小组，每个所述训练小组分别基于所述全局梯度参数组对其对应的所述本地衍射图像筛选模型进行更新，并重新分别基于其对应的本地训练数据集对对应的本地衍射图像筛选模型进行训练，以实现新一轮次的训练； 其中，每个所述训练小组的初始本地衍射图像筛选模型由所述中央服务器发送，且所有所述训练小组的初始本地衍射图像模型均相同，所有所述训练小组均具有其对应的本地训练数据集，且不同本地训练数据集中的图像数据属于不同蛋白质分子的晶体衍射图像； 所述中央服务器基于预设聚合方式对所有所述模型参数进行聚合，以获取全局梯度参数组包括： 计算每个所述模型参数中预设KL散度指标权重和图像数据个数权重，并将每个所述模型参数的预设KL散度指标权重和图像数据个数权重之和作为对应所述模型参数的综合权重；基于每个所述模型参数的综合权重，对所有所述梯度参数组中的所有梯度参数分别进行加权求和处理，并基于所有加权求和后的梯度参数获取全局梯度参数； 所述本地训练数据集的预设KL散度指标为： W＝1-DKLP||q ＝1-θlog2θ-1-θlog21-θ-1 ＝-θlog2θ-1-θlog21-θ 其中，W表示预设KL散度指标，θ表示所述本地训练数据集中正类图像数据的概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院上海高等研究院，其通讯地址为：201210 上海市浦东新区海科路99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。