买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安交通大学医学院第一附属医院;西安电子科技大学申请的专利一种基于对比学习的医学图像分类方法、系统及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119625439B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510152936.4，技术领域涉及：G06V10/764；该发明授权一种基于对比学习的医学图像分类方法、系统及存储介质是由甄帅;王晓丽;王宇平;邓锡岩;刘治睿;马思佳;李旭设计研发完成，并于2025-02-12向国家知识产权局提交的专利申请。

本一种基于对比学习的医学图像分类方法、系统及存储介质在说明书摘要公布了：本发明公开了一种基于对比学习的医学图像分类方法、系统及存储介质涉及长尾医学图像分类技术领域，将长尾医学图像数据集划分为训练集和测试集，根据预设方案以批处理的形式对训练集图像分别做弱数据增强和强数据增强，将得到的弱数据增强图像和强数据增强图像通过深度卷积神经网络进行对比学习任务，学习网络参数，得到参数优化后的深度卷积神经网络；并对测试集中的长尾医学图像进行分类；本发明通过原型增强对比学习策略，生成可学习类原型进行数据增强，得到平衡隐式增强对比学习损失，具有高精度、高效率、低成本和广泛适用性等优势。

本发明授权一种基于对比学习的医学图像分类方法、系统及存储介质在权利要求书中公布了：1.一种基于对比学习的医学图像分类方法，其特征在于，包括： 步骤1、将采集到的长尾医学图像数据集划分为训练集和测试集，根据预设方案以批处理的形式对训练集图像分别做弱数据增强和强数据增强，得到弱数据增强图像和强数据增强图像； 步骤2、将步骤1得到的弱数据增强图像和强数据增强图像通过基于深度卷积神经网络的图像分类模型进行对比学习任务，学习网络参数，得到参数优化后的基于深度卷积神经网络的图像分类模型； 步骤3、利用步骤2得到的参数优化后的基于深度卷积神经网络的图像分类模型，对步骤1测试集中的长尾医学图像进行分类； 所述步骤2包括以下步骤： 步骤2.1：将步骤1得到的弱数据增强图像和强数据增强图像分别输入基于深度卷积神经网络的图像分类模型的特征提取层，得到维度为（2B，2048）维的特征，包括第i个样本的弱数据增强图像特征和第i个样本的强数据增强图像特征，B为批处理训练样本数量； 步骤2.2：将步骤2.1得到的弱数据增强图像特征输入至基于深度卷积神经网络的图像分类模型的分类层，得到预测（B，C），C为步骤1训练集的类别个数，通过交叉熵损失函数计算交叉熵损失； 步骤2.3：将步骤2.1得到的弱数据增强图像特征和强数据增强图像特征输入映射网络，得到用于对比学习训练的（2B，128）维图像嵌入，具体分为弱增强图像嵌入和强增强图像嵌入，将得到的图像嵌入输入到原型增强模型； 步骤2.4：为每个类构造一批可学习类原型存储库，每个类的可学习类原型个数为m； 步骤2.5：根据步骤1中的训练集不同类别的训练样本数量，计算每个类在批处理中可使用的可学习类原型数量； 步骤2.6：将同一类别的所述步骤2.3得到的图像嵌入的语义增强方向建模为多维高斯分布； 步骤2.7：将步骤2.4得到的可学习类原型存储库中的可学习类原型通过余弦距离计算图像嵌入和其他类别的可学习类原型的相似度，选择与该图像嵌入最相似的其他类可学习类原型，然后将该图像嵌入与最相似的可学习类原型进行线性插值，得到优化后的可学习类原型； 步骤2.8：根据步骤2.5得到的每个类在批处理中可使用的可学习类原型数量，在步骤2.4得到的可学习类原型存储库中随机选取对应类数量的可学习类原型；对可学习类原型施加基于步骤2.6的多维高斯分布建模的语义增强方向构建的类感知高斯扰动，得到增强类原型； 步骤2.9：根据步骤2.7得到的优化后的可学习类原型、步骤2.8得到的增强类原型与步骤2.3得到的图像嵌入按照第0维进行拼接，得到集合Q； 步骤2.10：根据步骤2.9得到的集合Q，在训练中以批处理的形式采用指数加权移动平均方法估计高斯分布的协方差矩阵； 步骤2.11：将步骤2.4得到的可学习类原型存储库中随机选取对应类数量的可学习类原型、步骤2.8得到的增强类原型以及步骤2.3得到的图像嵌入按照第0维进行拼接，得到集合S用于平衡对比学习； 步骤2.12：对步骤2.11得到的集合S计算平衡隐式增强对比学习损失； 步骤2.13：将步骤2.2得到的交叉熵损失和步骤2.12得到的平衡隐式增强对比学习损失进行求和，得到总体损失； 步骤2.14：通过最小化步骤2.13得到的总体损失，对深度卷积神经网络进行参数调整，采用反向传播算法进行全局参数调整，直到损失不在下降，则模型收敛，得到参数优化后的深度卷积神经网络。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安交通大学医学院第一附属医院;西安电子科技大学，其通讯地址为：710006 陕西省西安市雁塔西路277号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。