一种基于参数高效微调与进化剪枝的超声医学影像分类方法

本发明提供了一种面向医学超声图像诊断任务的综合解决方案，包含基于卷积适配器与嵌入式提示调优的CAPT参数高效微调方法，以及基于进化剪枝的模型轻量化方法两个创新部分。针对医学超声图像领域数据稀缺、模型适配困难的双重挑战，一方面，CAPT方法通过融合适配器调优与提示调优机制，在传统适配器中引入卷积模块增强细粒度特征提取能力，并利用适配器学习上下文信息动态生成嵌入注意力计算的提示向量，显著提升了Transformer模型在超声图像分类任务中的适应性和小样本泛化能力；另一方面，针对模型边缘部署需求，设计进化剪枝算法以DenseNet‑121为基础架构，采用无性繁殖机制继承父代强神经元连接，通过BN层缩放因子与权重L1范数耦合的通道重要性评估方法，结合环境约束引导的稀疏化进化策略，在维持分类精度的同时实现模型参数与计算量的大幅压缩。两项技术分别从参数高效微调和模型结构化剪枝两个维度突破医学影像诊断的技术瓶颈，前者通过特征提取优化提升模型领域适应性，后者借助进化算法平衡网络轻量化与性能稳定性，共同为超声影像辅助诊断系统在数据受限场景和边缘计算环境的高效部署提供了创新性技术路径。