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！

龙图腾网获悉华中科技大学申请的专利一种面向医疗图像的联邦学习公平性提升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：CN117115619B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202311092031.X，技术领域涉及：G06V10/82；该发明授权一种面向医疗图像的联邦学习公平性提升方法和系统是由胡胜山;李明慧;张泷玲;余磊设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本一种面向医疗图像的联邦学习公平性提升方法和系统在说明书摘要公布了：本发明公开了一种面向医疗图像的联邦学习公平性提升方法，包括：K个客户端中的第k个客户端获取正电子发射型计算机断层显像PET图像及其对应的计算机断层扫描CT图像所组成的PET‑CT图像对，对该PET‑CT图像对进行预处理，以得到预处理后的PET‑CT图像对，将PET‑CT图像对输入到多模态神经图像肿瘤分割模型Wk中进行训练，通过计算损失函数获取多模态神经图像肿瘤分割模型Wk的梯度gk，使用梯度gk对多模态神经图像肿瘤分割模型Wk进行参数更新，以得到第k个客户端初步训练好的多模态神经图像肿瘤分割模型Wk。本发明能够解决现有qFedAvg聚合方法由于量化会影响模型参数的精度，导致客户端之间的性能差异变大，从而降低联邦学习公平性的技术问题。

本发明授权一种面向医疗图像的联邦学习公平性提升方法和系统在权利要求书中公布了：1.一种面向医疗图像的联邦学习公平性提升方法，其特征在于，包括以下步骤： 1K个客户端中的第k个客户端获取正电子发射型计算机断层显像PET图像及其对应的计算机断层扫描CT图像所组成的PET-CT图像对，对该PET-CT图像对进行预处理，以得到预处理后的PET-CT图像对，其中K为任意自然数，且有k∈[1，K]； 2K个客户端中的第k个客户端将步骤1预处理后的PET-CT图像对输入到多模态神经图像肿瘤分割模型Wk中进行训练，通过计算损失函数获取多模态神经图像肿瘤分割模型Wk的梯度gk，使用梯度gk对多模态神经图像肿瘤分割模型Wk进行参数更新，以得到第k个客户端初步训练好的多模态神经图像肿瘤分割模型Wk，并将初步训练好的多模态神经图像肿瘤分割模型Wk的梯度gk上传至服务器；多模态神经图像肿瘤分割模型是带有本地自注意力机制的U-Net网络模型，其包括两个并联的第一编码器和第二编码器组成的编码器模块，以及和编码器模块顺次相连的注意力组件部分和解码器； 服务器对来自第k个客户端的梯度gk进行对抗噪声扰动，以得到优化后的第k个客户端的梯度g′k；步骤3包括以下子步骤： 3-1K个客户端中的第k个客户端将步骤2初步训练好的多模态神经图像肿瘤分割模型Wk的梯度gk上传至服务器； 3-2服务器根据第k个客户端上传的梯度计算第k个客户端的扰动梯度 其中本步骤是采用以下公式计算扰动梯度 且有 其中St是所有客户端构成的集合，表示第k个客户端的归一化梯度，ε表示缩放对抗噪声常数，其取值等于1*10-5，表示应用于第k个客户端的归一化梯度的符号函数； 3-3服务器对3-2得到的第k个客户端的扰动梯度进行目标优化，以得到优化后的第k个客户端的梯度g′k； 3其中本步骤的最小化目标为:其中表示第k个客户端原始的损失函数，表示第k个客户端增加对抗噪声扰动后的损失函数，g表示梯度； 4服务器对步骤3优化后的第k个客户端的梯度g′k进行公平聚合，以得到聚合后的全局模型梯度gglobal，并将聚合后的全局模型梯度gglobal下发给第k个客户端； 5第k个客户端使用步骤4得到的全局模型梯度gglobal替换步骤2中初步训练好的多模态神经图像肿瘤分割模型Wk的梯度gk； 6第k个客户端重复上述步骤3至5达到m次，过程结束。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037号华中科技大学；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。