基于持续学习的基因表达预测和疾病辅助诊断方法

本发明涉及一种基于持续学习的基因表达预测和疾病辅助诊断方法，属于计算机视觉技术领域，本方法首先构建基于双模态数据对齐的基因表达预测模型，并利用图像‑基因表达数据集进行训练和测试，然后利用弹性权重巩固方法EWC++约束关键参数的更新，利用图像‑疾病诊断结果数据集对该模型进行再训练，在保留基因表达预测功能的基础上实现疾病辅助诊断功能。本方法在不遗忘已有知识的前提下，能够不断学习新的任务，基于持续学习的方法能够实现模型的持续优化和更新，减少了重新训练模型的成本和时间，提高了模型的适应性和灵活性，使其能够更好地应对医学影像分析领域不断变化的需求。