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！

龙图腾网获悉川北医学院附属医院;川北医学院;南充市中医医院申请的专利基于联邦学习的多中心精神影像数据增强方法及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：CN120876297B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511385360.2，技术领域涉及：G06T5/70；该发明授权基于联邦学习的多中心精神影像数据增强方法及系统是由刘念;李航宇;杨雄雄;何欣;潘珂;雷力行;彭诗集;李颖设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本基于联邦学习的多中心精神影像数据增强方法及系统在说明书摘要公布了：本发明涉及基于联邦学习的多中心精神影像数据增强方法及系统，接收患者精神影像的图像数据以及图像数据的模态标识符，转换为大写形式并进行匹配；对CT模态执行CT图像的小波去噪处理，对MRI模态执行MRI图像非局部均值去噪处理，并返回去噪图像；对联邦导向增强器进行参数初始化、训练样本数量适应性调整、噪声水平适应性调整以及模型一致性适应性调整，对联邦导向增强器进行训练；基于最终参数组合通过训练后的联邦导向增强器对CT图像或MRI图像进行图像自适应。利用自适应增强选择器，融合条件生成对抗网络病理模拟与传统形变，生成反映真实多样性的样本；设计隐私‑性能联动机制；构建轻量安全通信层，在降低通信开销的同时有效防御反演攻击。

本发明授权基于联邦学习的多中心精神影像数据增强方法及系统在权利要求书中公布了：1.基于联邦学习的多中心精神影像数据增强方法，其特征在于，包括以下步骤： S1：接收患者精神影像的图像数据以及图像数据的模态标识符，将模态标识符的字符串转换为大写形式，并对大写形式的模态标识符进行匹配； S2：当模态标识符匹配到CT模态，则执行CT图像的小波去噪处理，当模态标识符匹配到MRI模态，则执行MRI图像非局部均值去噪处理，并返回去噪图像； S3：对联邦导向增强器进行参数初始化、训练样本数量适应性调整、噪声水平适应性调整以及模型一致性适应性调整，对联邦导向增强器进行训练，并返回最终参数组合； S4：基于最终参数组合通过训练后的联邦导向增强器对CT图像或MRI图像进行图像自适应增强处理，包括执行噪声自适应策略以及多维联邦聚合，输出增强后的图像数据； 步骤S3的具体过程如下： S31：参数初始化包括设置默认增强参数：cGAN增强比例：0.15；弹性变形范围：8；小波去噪的去噪阈值：0.1* max_val，，max_val为小波去噪的全局最大系数值； S32：当训练样本数F[0]低于阈值N_min时，进行参数调整：线性增加cGAN增强比例： 0.15+0.015*N_min‑F[0]，上限限制为0.3，线性减少弹性变形范围：10‑0.4* N_min‑F[0]，下限限制为5； S33：噪声水平适应性调整：条件检查：当噪声水平F[1]高于阈值Noise_th时，进行参数调整：减少cGAN增强比例至原来的70%，提高小波去噪的去噪阈值至0.15*max_val以增强去噪效果； S34：模型一致性适应性调整：条件检查：当模型Kappa系数F[2]大于0.8时，进行参数调整：增加cGAN增强比例至原来的120%，上限限制为0.35； S35：返回最终参数组合； 步骤S4中执行噪声自适应策略的公式为： ； 其中，σt为当前时间步t的噪声标准差；S为梯度敏感度；δ为隐私失败概率；η为隐私预算衰减系数；ϵt为时间步t的隐私预算；ϵtotal为总隐私预算，ϵtotal0；t为当前时间步，1≤t≤T； T为总时间步，即迭代次数，为归一化常数，用于确保∑ϵt=ϵtotal； 结合噪声自适应策略的输出结果，对生成的增强样本进行隐私保护处理； 多维联邦聚合中的权重计算公式如下： ； 其中，Wk为第k个任务的聚合权重，α，β，γ为权重系数，α+β+γ=1，默认α=0.5，β=0.3，γ=0.2，nk为第k个任务的有效样本量，ntotal为所有节点样本总量；AUCk为第k个任务的AUC值； AUCg为全局基准AUC值；ξ为平滑因子，用于避免除零，设置为10‑6；K为任务总数，max为ReLU函数，仅保留正差异。

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川北医学院附属医院;川北医学院;南充市中医医院，其通讯地址为：637000 四川省南充市顺庆区文化路63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。