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！

龙图腾网获悉吉林大学申请的专利双原型对齐的联邦学习子宫内膜癌分子分型方法和系统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：CN121438961B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202512004716.X，技术领域涉及：G16B40/00；该发明授权双原型对齐的联邦学习子宫内膜癌分子分型方法和系统是由邢天蔚;孟祥宇;赵晓辉;张凌羽;葛佳琦;魏卓然;孙平丽;高洪文设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本双原型对齐的联邦学习子宫内膜癌分子分型方法和系统在说明书摘要公布了：本发明公开了一种双原型对齐的联邦学习子宫内膜癌分子分型方法和系统，属于医疗系统数据分析与隐私保护技术领域，该方法通过多模态小样本双原型对齐，在小样本条件下同时构建视觉原型与文本原型，实现跨模态分布一致性映射与特征对齐，不仅提升了在多数类的分类能力，同时提高了在稀有类中的分类能力；通过个性化联邦聚合组件，采用关系度量驱动的加权策略与块级选择性聚合，在保护数据隐私的前提下实现客户端间的知识共享与个性化适配。本发明在四种分子分型的分类任务中显著提升了模型在跨中心场景下的稳定性与可迁移性，保证了客户端的在多数类和稀有类分类任务上均取得了先进性能。

本发明授权双原型对齐的联邦学习子宫内膜癌分子分型方法和系统在权利要求书中公布了：1.一种双原型对齐的联邦学习子宫内膜癌分子分型方法，其特征在于，包括以下步骤： 步骤1：服务器向各客户端下发统一的配置包，该配置包内含有：CLIP初始化模型、定义四类子宫内膜癌分子分型体系的文本提示模板、模型训练超参数集以及通信协议规范； 步骤2：各客户端基于本地数据集，将其中样本数量占优的MMRd型和NSMP型分子分型作为多数类，用于构建已知类集合，将样本数量稀少的POLEmut型和p53abn型分子分型作为稀有类；在所述多数类中划分支持集和查询集，所述稀有类作为零样本推断的未见类别，用于构建未知类集合，作为测试集； 步骤3：各客户端执行多模态小样本双原型对齐训练：将所述支持集和查询集输入CLIP初始化模型的图像编码器，得到视觉特征并进行分布一致性映射对齐；基于所述文本提示模板和患者临床信息构建文本原型，并将所述支持集的视觉特征投影到文本空间进行聚合，形成各类别的跨模态原型；对所述支持集的视觉特征进行聚合，形成各类别的视觉原型；计算查询集的视觉特征与所述视觉原型、跨模态原型的匹配距离并加权融合，结合分布一致性损失，更新指定轻量参数； 步骤4：各客户端对更新后的轻量参数进行差分隐私处理后上传至服务器； 步骤5：服务器基于各客户端上传的参数，计算客户端间的关系相似度，生成个性化聚合权重；对文本侧共享参数执行一致聚合，对视觉侧适配器参数执行基于所述个性化聚合权重的分层个性化聚合，得到面向各客户端的聚合结果并更新全局模型； 步骤6：服务器将更新后的全局模型下发至客户端，各客户端将本地模型与所述全局模型按自适应系数混合，作为下一轮训练的起点； 步骤7：服务器基于各客户端上报的类覆盖信息和资源评分，执行类覆盖优先的客户端选择，确定下一轮参与训练的客户端集合； 步骤8：重复步骤2至步骤7，直至满足预设的终止条件，输出训练完成的模型用于子宫内膜癌分子分型； 其中，步骤5中，对视觉侧适配器参数执行基于所述个性化聚合权重的分层个性化聚合包括： 步骤A：利用所述个性化聚合权重对各客户端的视觉侧参数增量进行加权求和，得到初步的个性化聚合结果，其中表示第轮来自客户端的参数增量，表示客户端的本地权重，表示面向客户端的个性化聚合结果，表示客户端的本地权重；表示当轮登记的客户端数量； 步骤B：对视觉侧适配器的不同功能块，分别计算块内参数增量的相似度并归一化为块级权重，依据该块级权重对相应功能块的参数增量进行加权聚合，实现块级选择性聚合，具体为： ； ； ； 其中，表示视觉侧适配器的功能块索引，表示第轮客户端在功能块的参数增量，表示第轮客户端在功能块的参数增量，表示块级相似度，表示归一化指数函数，表示对功能块的归一化聚合权重，表示面向客户端的块级个性化更新。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。