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！

龙图腾网获悉杭州电子科技大学申请的专利一种面向医疗领域联邦学习域泛化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：CN119719896B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411776009.1，技术领域涉及：G06F18/241；该发明授权一种面向医疗领域联邦学习域泛化方法是由薛梅婷;范泽林;史豫坤;曾艳;张纪林;周丽;任永坚设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种面向医疗领域联邦学习域泛化方法在说明书摘要公布了：本发明公开了一种面向医疗领域联邦学习域泛化方法，该方法首先客户端从中央服务器接收全局模型参数初始化本地模型，对本地数据集中样本x添加随机扰动，得到x的扰动版本其次将x和分别输入特征提取器，得到特征提取器的第n层输出zn和并构造损失函数进行训练。然后本地客户端为每一个类别计算出特征原型，将原型与训练后的本地模型参数上传中央服务器。最后中央服务器进行本地模型参数聚合，并利用特征原型为每个类别随机采样一批新特征样本送入参数聚合后的分类器，得到预测结果，计算交叉熵损失反向传播优化分类器。本发明使特征提取器对低级特征偏移具有足够的鲁棒性，提高泛化能力。

本发明授权一种面向医疗领域联邦学习域泛化方法在权利要求书中公布了：1.一种面向医疗领域联邦学习域泛化方法，其特征在于，包括以下步骤： S1：每个客户端从中央服务器接收全局模型参数，全局模型包括特征提取器F和分类器C，用全局模型参数初始化本地模型然后利用本地数据集开始本地训练，特征提取器F将输入的医疗图像x映射到d维特征向量，分类器C将此特征向量映射到预测的标签分布，特征提取器是使用卷积神经网络实现，分类器是一个两层全连接网络，将提取的特征映射到分类结果； S2：获取本地数据集中医疗图像样本x以及对应的真实标签y，对x应用标准化； S3：对标准化后的样本x添加随机扰动，得到x的扰动版本 S4：获取x的浅层特征表示zn＝Fnx和预测结果其中，Fnx代表特征提取器F的第n个卷积层输出； S5：获取本地模型对的浅层特征表示 S6：计算真实标签y和预测标签之间的交叉熵损失 S7：采用结构相似性SSIM作为衡量特征图逐通道差异的方法，计算原始特征zn和扰动特征的逐通道差异将均值其作为一致性损失Lc； S8：计算总损失其中α是平衡交叉熵损失和一致性损失之间权重的超参数，然后利用总损失L反向传播训练本地模型； S9：重复S2到S7，直到训练轮数达到设定值； S10：本地客户端为每一个类别计算出特征原型，然后将这些原型连同训练后的本地模型参数上传到中央服务器； S11：在中央服务器端进行模型参数聚合； S12：中央服务器利用来自各个客户端的特征原型在特征空间中为每个类别随机采样一批新特征样本，一个新的特征样本由各个客户端原型的随机凸组合得到，具体如下式所示： 其中wi≥0并且wi为随机生成的权重，H代表客户端总数；为属于类别θ的新特征样本； S13：将新样本送入分类器，得到预测结果其中znew为探索出的特征样本； S14：计算真实标签y和预测标签之间的交叉熵损失； S15：利用交叉熵损失反向传播优化分类器；回到S1，重复上述步骤直到通信轮数达到设定值。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。

以上内容由龙图腾AI智能生成。