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！

龙图腾网获悉西北工业大学宁波研究院申请的专利一种基于自适应权重加权联邦学习的医学图像分类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：CN116797816B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310226086.9，技术领域涉及：G06V10/764；该发明授权一种基于自适应权重加权联邦学习的医学图像分类方法是由夏勇;冯宇;侯震生设计研发完成，并于2023-03-10向国家知识产权局提交的专利申请。

本一种基于自适应权重加权联邦学习的医学图像分类方法在说明书摘要公布了：本发明提供了一种基于自适应权重加权联邦学习的医学图像分类方法，属于医学图像分类技术领域，包括：服务器端将全局图像分类模型分发给多个客户端；每个客户端利用保存的病人医学图像数据对全局图像分类模型进行训练并更新全局图像分类模型的参数ωk；对每个客户端训练好的全局图像分类模型的性能通过保存的病人医学图像数据进行验证，得到表征模型性能的参数mk；服务器根据参数mk对参数ωk进行权重加权完成全局图像分类模型的重新聚合，得到最终的全局图像分类模型；并利用最终的全局图像分类模型进行医学图像的分类。该方法能够增加利用联邦学习进行医学图像分类时，高质量的模型对全局模型的影响。

本发明授权一种基于自适应权重加权联邦学习的医学图像分类方法在权利要求书中公布了：1.一种基于自适应权重加权联邦学习的医学图像分类方法，其特征在于，包括： 服务器端将全局图像分类模型分发给多个客户端； 每个客户端利用保存的病人医学图像数据对全局图像分类模型进行训练并更新全局图像分类模型的参数； 对每个客户端训练好的全局图像分类模型的性能通过保存的病人医学图像数据进行验证，得到表征模型性能的参数mk； 服务器根据参数mk对进行权重加权完成全局图像分类模型的重新聚合，得到最终的全局图像分类模型；并利用最终的全局图像分类模型进行医学图像的分类； 对于全局图像分类模型训练中的多分类病人医学图像数据，采用第一损失函数训练全局图像分类模型并更新全局图像分类模型的参数； 其中，第一损失函数为： 式中，为损失函数中类别C的权重，用来扩大重要的类对预测结果的贡献并缩小不重要的类对预测结果的贡献，为训练集中类别C的样本数目； 对于全局图像分类模型训练中的多标签病人医学图像数据，采用第二损失函数训练全局图像分类模型并更新全局图像分类模型的参数； 其中，第二损失函数为： 式中，=、、和分别表示训练集中属于类别j的样本数和不属于类别j的样本数； 所述全局图像分类模型的模型参数更新为： 其中，为更新t+1次的模型参数；为步长；ƒk为损失函数； 所述表征模型性能的参数为： 式中，为本地数据的样本数量；T为温度系数；t为迭代次数； 其中： 式中，为第t次迭代的验证结果；α为动量参数，表示先前t-1个更新的贡献。

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西北工业大学宁波研究院，其通讯地址为：315048 浙江省宁波市高新区清逸路218弄；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。