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基于超图的联邦学习生存预测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：CN120048507B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411951989.4，技术领域涉及：G16H50/30；该发明授权一种基于超图的联邦学习生存预测方法是由吴旭;颜成钢;曾龙健;孙垚棋;盛熙淳;高宇涵设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种基于超图的联邦学习生存预测方法在说明书摘要公布了：本发明公开了一种基于超图的联邦学习生存预测方法。首先，对于r个中心，针对每个中心获取n张病理图，得到数据集的特征信息；然后采用最近邻居算法计算每张病理图的p个patch图的最近邻居，连接互为邻居的的patch形成超图，得到关联矩阵；然后通过超图卷积神经网络学习并获得整张病理图的特征；再者，使用超图蒸馏进行局部网络的更新；之后根据每个中心的局部网络，更新全局网络，并进行生存预测。本发明利用超图蒸馏来缩小HGSurvNet和MLP之间的差距，在实现快速推理的同时保留了捕获结构信息的能力；改善了生存预测联邦学习领域的准确性和鲁棒性不足问题，提高了生存预测的准确率和对不同中心数据预测的鲁棒性。

本发明授权一种基于超图的联邦学习生存预测方法在权利要求书中公布了：1.一种基于超图的联邦学习生存预测方法，其特征在于，包括以下步骤： 步骤一：对于r个中心，针对每个中心获取n张病理图，将每张病理图均匀切分为p个patch图,其中p为可选的超参数，使用预训练的特征提取模型获取每个patch图的图像嵌入，并记录每个patch图的坐标信息，最后融合两者得到数据集的特征信息； 步骤二:采用最近邻居算法计算每张病理图的p个patch图的最近邻居，连接互为邻居的patch形成超图，得到关联矩阵； 步骤三：通过超图卷积神经网络学习并获得整张病理图的特征；具体如下： 通过超图卷积神经网络HGSurvNet学习并获得整张病理图的特征,首先通过超图卷 积公式获得每张病理图特征矩阵次卷积的结果，公式如下: 其中为超图卷积神经网络的卷积次数，为第i张病理图对应的关联矩阵，为第i 张病理图特征矩阵的第次卷积的结果，为超边特征的mask算子，为训练过程中 需要学习的参数,且病理图特征集共用,其中,其中 为可选的超参数； 在经过层卷积之后，得到融合拓扑和语义信息的顶点特征，进一步通过pooling算子 将第i张病理图特征矩阵的卷积结果相加并通过一个线性层得 到病理图特征向量,其中为可选的超参数； 步骤四：使用超图蒸馏进行局部网络的更新；具体如下： 定义联邦学习的全局网络为,局部网络为，其中全局网络和局部 网络的模型架构相同，根据设备的内存和对运行速率的要求选择合适的模型架构； 使用超图蒸馏进行局部网络的更新；为了增强联邦学习,用HGSurvNet 来进行软标签引导，直接将知识从HGSurvNet蒸馏到；因此利用HGSurvNet作为 teacher网络，为student网络，使用以下目标函数来抽取知识： 其中，为病理图的数量和表示分别由HGSurvNet和输出的生存 风险概率； 步骤五：根据每个中心的局部网络，更新全局网络，并进行生存预测。

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。