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！

龙图腾网获悉南京信息工程大学申请的专利一种基于差分隐私的学习率自适应医疗图像识别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：CN117079087B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202311104879.X，技术领域涉及：G06V10/778；该发明授权一种基于差分隐私的学习率自适应医疗图像识别方法是由瞿治国;汤洋设计研发完成，并于2023-08-30向国家知识产权局提交的专利申请。

本一种基于差分隐私的学习率自适应医疗图像识别方法在说明书摘要公布了：本发明公开了一种医疗图像识别技术领域的基于差分隐私的学习率自适应医疗图像识别方法，旨在解决现有技术中不同医疗机构的数据不是独立同分布的、无法满足客户隐私偏好等问题，其包括以下步骤：采集患者病变部位的医疗图像，将采集的医疗图像输入预置在本地客户端内的融合了多家医院的医疗数据的本地模型中，输出识别结果。本发明可以实现多个医疗机构的数据融合，且能够起到个性化隐私保护的作用。

本发明授权一种基于差分隐私的学习率自适应医疗图像识别方法在权利要求书中公布了：1.一种基于差分隐私的学习率自适应医疗图像识别方法，其特征在于，包括以下步骤： 采集患者病变部位的医疗图像； 将采集的医疗图像输入预置在本地客户端内的融合了多家医院的医疗数据的本地模型中，输出识别结果； 融合了多家医院的医疗数据的本地模型的构建方法，包括： a、客户端构建本地模型，设置本地模型的超参数和损失函数； b、客户端将本地模型传输至服务器； c、服务器获取各个客户端的本地模型，对各个客户端的本地模型进行聚合维护后为每个客户端生成个性化云模型； d、服务器将个性化云模型传输至对应的各个客户端； e、客户端获取本地数据及个性化云模型，将个性化云模型作为损失函数的近端项的邻近中心，利用损失函数及本地数据对本地模型进行训练，直至训练次数达到本地迭代次数，得训练好的本地模型，包括： 客户端获取个性化云模型； 使用个性化云模型参数作为邻近中心，即用代替最小损失函数中的近端项，对本地模型进行训练，表达式如下： ； 其中，为个性化云模型参数，，为第次迭代的本地模型参数，，表示最小损失函数，表示最小交叉熵损失函数，为正则化参数，，为第次迭代中算法学习率，为本地模型参数； 重复上述训练过程，直至训练次数达到本地迭代次数，得训练好的本地模型； 还包括客户端对算法学习率进行调整，具体为： 客户端对本地图像数据样本进行随机采样，以获取当前算法学习率； 利用采样数据对本地模型连续执行两次步长为当前学习率一半的梯度裁剪和梯度下降，得到两个一半步长的梯度矩阵； 利用采样数据对本地模型进行当前的完整的学习率的梯度裁剪和梯度下降，得到完整步长的梯度矩阵，然后更新本地模型； 评估本地模型的梯度矩阵和两个一半步长的梯度矩阵之间的梯度误差； 根据梯度误差调整算法学习率，表达式如下： ； 其中，为梯度误差，为梯度误差预值，，； f、重复步骤b~e，直至训练次数达到全局迭代次数，输出融合了多家医院的医疗数据的本地模型。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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。