一种基于贝叶斯元学习的眼底疾病图像分类方法

本发明涉及疾病检测技术领域，具体指一种基于贝叶斯元学习的眼底疾病图像分类方法，包括：构建常见病训练集和包含常见病、罕见病及正常图像的目标任务训练集，将目标任务训练集中的多种常见病类别合并为单一常见病类别；将两个训练集通过特征提取器处理后，分别输入两个元学习器：第一元学习器输出常见病预测概率并计算交叉熵损失，第二元学习器输出目标任务集预测概率并计算KL散度损失；联合两个元学习器的预测概率构建贝叶斯损失，最终融合三项损失优化两个元学习器；训练完成后，将特征提取器与第二元学习器组合，作为眼底疾病图像分类模型。本发明提升了罕见眼部疾病图像分类精度。