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！

龙图腾网获悉南京大学申请的专利一种基于分组加权的多机构联合的图像识别模型训练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：CN115730655B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211597343.1，技术领域涉及：G06N3/084；该发明授权一种基于分组加权的多机构联合的图像识别模型训练方法是由王魏;蔡驰宇设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本一种基于分组加权的多机构联合的图像识别模型训练方法在说明书摘要公布了：本发明公开一种基于分组加权的多机构联合的图像识别模型训练方法，该方法可以应用于医疗图像识别等拥有多个参与方的协作学习任务。为了缓解医疗图像数据分布不一致带来的影响，首先，本发明根据客户端模型和组内全局模型的相似程度为客户端分组；对于组内客户端，本发明根据组内客户端本地模型两两之间的相似程度，为每个客户端计算个性化模型。相比现有技术，本发明能够在降低客户端计算开销的同时，为参与方提供更好的图像识别模型。

本发明授权一种基于分组加权的多机构联合的图像识别模型训练方法在权利要求书中公布了：1.一种基于分组加权的多机构联合的图像识别模型训练方法，其特征在于，方法实现过程中涉及客户端和服务器； 客户端：参与联邦学习的医疗机构被称作是客户端；每个医疗机构拥有本地的医疗图像数据用于训练和测试；设共有个客户端参与联邦学习； 服务器：联邦学习的中央协调者，负责聚合客户端上传的模型；第一阶段中服务器维护组全局模型，第二阶段中服务器每轮通信时为每个客户端计算一组个性化模型；服务器拥有用于模型相似度计算的医疗图像辅助数据集； 所述图像识别模型训练方法，包括下列阶段： 初始化阶段：服务器初始化组全局模型；将个客户端随机分配至个组中的一组； 客户端分组阶段： 11服务器将客户端所在组别的全局模型发送给客户端； 12客户端接收全局模型，将其作为本地模型，使用本地医疗图像数据集和随机梯度下降算法进行轮本地模型参数更新； 13完成本地训练后，客户端将更新后的本地模型上传至服务器； 14服务器收集所有客户端的本地模型后，对每个分组使用其组内客户端的本地模型按样本个数的加权平均来更新该组的全局模型； 15服务器使用组客户端本地模型和组全局模型分别在医疗图像辅助数据集上提取特征，并使用CKA计算每组客户端本地模型所提取特征和每组全局模型所提取特征之间的相似程度； 16服务器重新将客户端分配至与其最相似的全局模型所对应的分组； 17重复步骤11-16，直至到达指定通信轮数； 组内个性化阶段： 21服务器将每个客户端的初始个性化模型设置为其所在分组的全局模型； 22服务器向每个客户端发送其对应的个性化模型； 23客户端接收个性化模型，将其作为新的本地模型，使用本地医疗图像数据集和随机梯度下降算法进行轮本地模型参数更新； 24完成本地训练后，客户端将更新后的本地模型上传至服务器； 25服务器收集所有组客户端的本地模型后，使用所有客户端的模型在医疗图像辅助数据集上提取特征，并使用CKA计算每个分组组内客户端模型所提取特征的两两相似度； 26将步骤25中得到的两两相似度归一化，并以此为加权系数，为每个客户端计算个性化加权模型； 27重复步骤22-26，直至到达指定通信轮数；使得客户端得到个性化的医疗图像识别模型。

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大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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。