一种基于单次诊疗经验学习的大模型持续优化方法及装置

本申请公开了一种基于单次诊疗经验学习的大模型持续优化方法及装置，包括：进行编码步骤，获得用于存储经过编码器网络处理后的图像特征的空间；对于同一样本患者的两张随机图像，使用编码器网络生成其低维表示向量，并通过多实例对比学习损失最大化向量间的互信息；对综合图像中的非图像数据进行聚类，将具有相似特征的患者分为不同的类别；构建异构多图渐进式嵌入学习的模型；计算非图像数据的余弦相似度，优化嵌入表示；建立表达式融合历史知识与新知识；计算平均交叉熵损失并结合预测结果构建集成策略，使模型在持续学习中融合历史知识与新知识，解决了如何进行模型的参数优化、使模型持续学习和优化模型的可扩展性的问题。