買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國科學院上海高等研究院申請的專利晶體衍射圖像篩選模型訓練方法和晶體衍射圖像篩選方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114842290B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210354459.6，技術領域涉及：G06V10/774；該發明授權晶體衍射圖像篩選模型訓練方法和晶體衍射圖像篩選方法是由許康;祝永新;鄭小盈設計研發完成，并于2022-04-06向國家知識產權局提交的專利申請。

本晶體衍射圖像篩選模型訓練方法和晶體衍射圖像篩選方法在說明書摘要公布了：本發明公開了一種晶體衍射圖像篩選模型訓練方法和晶體衍射圖像篩選方法，其中訓練方法包括：每個訓練小組分別基于本地訓練數據進行模型訓練，并將訓練的模型參數發送給中央服務器，中央服務器基于預設聚合方式對所有所述模型參數進行聚合以獲取全局梯度參數組，并基于全局梯度參數組更新衍射圖像篩選全局模型，每個訓練小組分別判斷其是否滿足完成識別率不再降低要求，并將判斷結果發送給中央服務器，中央服務器基于所有判斷結果判斷是否訓練完成。本發明模型訓練方法支持神經網絡模型訓練數據和全局模型的分離，實現了對私有數據的隱私保護，大幅增強了私有數據的安全性和保密性。

本發明授權晶體衍射圖像篩選模型訓練方法和晶體衍射圖像篩選方法在權利要求書中公布了：1.一種晶體衍射圖像篩選模型訓練方法，包括： 每個訓練小組分別基于其對應的本地訓練數據集對對應的本地衍射圖像篩選模型進行訓練，以獲取每個所述訓練小組對應的訓練完成衍射圖像篩選模型；所述訓練完成衍射圖像篩選模型的模型參數包括所述訓練完成衍射圖像篩選模型的梯度參數組、對應本地訓練數據集的預設KL散度指標和對應所述本地訓練數據集中圖像數據個數； 所有所述訓練小組分別將其對應的訓練完成衍射圖像篩選模型的模型參數發送給中央服務器； 所述中央服務器基于預設聚合方式對所有所述模型參數進行聚合，以獲取全局梯度參數組，并基于所述全局梯度參數組更新衍射圖像篩選全局模型； 每個所述訓練小組分別判斷其預設訓練輪次組內獲取的所述訓練完成衍射圖像篩選模型是否符合預設識別準確率條件以獲取判斷結果，并將所述判斷結果發送給所述中央服務器； 所述中央服務器基于所有所述判斷結果判斷是否所有所述訓練小組均完成識別率不再降低要求，若是則將當前所述衍射圖像篩選全局模型作為訓練完成衍射圖像篩選全局模型，否則將當前所述全局梯度參數組分別發送給所有所述訓練小組，每個所述訓練小組分別基于所述全局梯度參數組對其對應的所述本地衍射圖像篩選模型進行更新，并重新分別基于其對應的本地訓練數據集對對應的本地衍射圖像篩選模型進行訓練，以實現新一輪次的訓練； 其中，每個所述訓練小組的初始本地衍射圖像篩選模型由所述中央服務器發送，且所有所述訓練小組的初始本地衍射圖像模型均相同，所有所述訓練小組均具有其對應的本地訓練數據集，且不同本地訓練數據集中的圖像數據屬于不同蛋白質分子的晶體衍射圖像； 所述中央服務器基于預設聚合方式對所有所述模型參數進行聚合，以獲取全局梯度參數組包括： 計算每個所述模型參數中預設KL散度指標權重和圖像數據個數權重，并將每個所述模型參數的預設KL散度指標權重和圖像數據個數權重之和作為對應所述模型參數的綜合權重；基于每個所述模型參數的綜合權重，對所有所述梯度參數組中的所有梯度參數分別進行加權求和處理，并基于所有加權求和后的梯度參數獲取全局梯度參數； 所述本地訓練數據集的預設KL散度指標為： W＝1-DKLP||q ＝1-θlog2θ-1-θlog21-θ-1 ＝-θlog2θ-1-θlog21-θ 其中，W表示預設KL散度指標，θ表示所述本地訓練數據集中正類圖像數據的概率。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國科學院上海高等研究院，其通訊地址為：201210 上海市浦東新區海科路99號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。