一种基于文本原型引导的医学图像持续学习分类方法

本发明公开了一种基于文本原型引导的医学图像持续学习分类方法，包括：模型训练阶段：构建持续学习框架，包括图像描述生成模块、文本编码器以及视觉编码器；在持续学习框架中，生成特定类别的图像集对应的类别文本原型，利用类别文本原型作为视觉编码器学习的引导信号，并集成梯度加权机制实现适配器融合；推理阶段：任务共享适配器与冻结的VLM文本/视觉编码器共同用于识别来自任何已学习t个任务的测试图像。本发明能够克服大语言模型输出的与疾病症状无关或错误的描述，从而更有效地编码这些自然描述。