基于视觉-语言预训练模型和排名感知提示策略的糖尿病视网膜病变分级方法

本发明提出了一种基于视觉‑语言预训练模型和排名感知提示策略的糖尿病视网膜病变分级方法。该方法通过图像和文本的双编码方式，将眼底彩色图像与对应的DR分级标签转化为图像特征和文本嵌入，利用图像与文本之间的相似度进行匹配，实现准确的DR分级。为解决类别不平衡和自然顺序建模的问题，引入了排名感知提示模块和相似度矩阵平滑模块，其中排名感知提示确保了模型能够学习并保持不同DR等级之间的顺序关系，SMS模块则有效缓解了数据不平衡带来的影响。本发明的方法能在多种DR分级任务中表现出较高的准确性和鲁棒性，特别是在少样本或类别不均衡的情况下。该方法不仅提高了分级准确性，还为临床诊断提供了有效的辅助工具，具有广泛的应用前景。