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！

龙图腾网获悉南京邮电大学申请的专利基于元策略的双层动态不确定性校准的证据深度学习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：CN121031725B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511554984.2，技术领域涉及：G06N3/0985；该发明授权基于元策略的双层动态不确定性校准的证据深度学习方法是由陈蕾;马岩松;杨禛;郭威;周帅;李平;杨尚东设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本基于元策略的双层动态不确定性校准的证据深度学习方法在说明书摘要公布了：本发明公开了一种基于元策略的双层动态不确定性校准的证据深度学习方法，采用双层优化架构：内层优化一个证据深度学习模型以执行像素级分割任务并估计不确定性；外层优化一个状态感知的元策略网络。元策略网络实时接收反映训练动态的状态信息，并据此动态生成用于配置内层模型损失函数的关键超参数；通过周期性评估模型在验证集上的预测准确性、校准误差及误分类不确定性等多方面性能，形成一个多目标奖励信号。本发明通过引入状态感知的元策略进行超参数动态自适应调整，克服了传统方法依赖静态设置的局限，能更好地平衡预测精度与不确定性校准，显著提高了深度学习模型在高风险应用场景如医学影像分析中的可靠性和泛化能力。

本发明授权基于元策略的双层动态不确定性校准的证据深度学习方法在权利要求书中公布了：1.一种基于元策略的双层动态不确定性校准的证据深度学习方法，用于医学影像分析，其特征在于，包括如下步骤： S1、获取并预处理医学影像训练样本及对应的标签，所述预处理包括强度归一化、空间尺寸调整和数据增强，形成批量化的训练数据； S2、构建并训练证据深度学习模型，以预处理后的训练样本为输入，输出像素级证据向量，并将证据向量通过加1操作转换为狄利克雷分布参数，基于狄利克雷分布计算预测概率和不确定性； S3、基于步骤S2，构建状态感知的策略网络，所述策略网络以包含当前训练状态信息的向量为输入，动态输出用于配置证据深度学习模型损失函数的超参数，包括KL散度系数和狄利克雷先验参数； S4、基于步骤S3，定义并使用由策略网络动态配置的损失函数L对证据深度学习模型进行内层优化，损失函数L包含基于预测概率和标签计算的数据拟合项，以及由KL散度系数加权的、衡量模型输出后验狄利克雷分布与动态先验分布之间差异的KL散度项； S5、基于步骤S4，周期性地在验证集上评估所述证据深度学习模型的性能指标，包括分割准确率、期望校准误差ECE和误分不确定性误差MUE，根据所述性能指标的变化量计算奖励信号R，使用奖励信号R，通过策略梯度方法对外层的策略网络进行优化； S6、将测试样本输入步骤S5训练完成后的证据深度学习模型，输出预测结果和对应的不确定性估计； 其中，所述步骤S3中，状态向量包含当前批次性能、模型输出统计、训练进程信息、历史策略信息和验证集性能信息； 所述策略网络采用多层感知机MLP结构，包含至少两个隐藏层和两个独立的输出头；第一个输出头通过Sigmoid激活函数生成KL散度系数；第二个输出头通过Sigmoid激活函数后加1生成狄利克雷先验参数，确保狄利克雷先验参数各分量大于等于1，并允许狄利克雷先验参数为类别特定的向量形式； 所述策略网络具体包含一个K维输入层、一个128维使用ReLU激活函数的第一隐藏层、一个64维使用ReLU激活函数的第二隐藏层，以及分别从第二隐藏层引出的用于生成KL散度系数和狄利克雷先验参数的输出头。

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邮电大学，其通讯地址为：210000 江苏省南京市栖霞区文苑路9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。