一种基于条件类别特定提示的医学图像分类方法

本发明公开了一种基于条件类别特定提示的医学图像分类方法，包括：1、获取数据集，构建对比文本‑图像对的预训练模型、特征记忆库和轻量级网络，在图像编码器中加入提示后提取医学图像的视觉特征；2、根据医学图像的视觉特征，得到类别平均特征并输入轻量级网络得到类别特定提示，类别特定提示与图像类别拼接输入文本编码器，得到文本特征；3、构建损失函数，利用梯度下降法对网络进行训练，更新图像编码器中的提示和轻量级网络的参数权重，得到最优医学图像分类模型，用于对医学图像进行分类。本发明能根据所有图像的特征生成每个类别特定的提示，以表征不同类别的特征属性，从而能增强文本提示对图像细节的感知，实现更高效的训练和推理。