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！

申请/专利权人：泉州装备制造研究所

摘要：本发明涉及医疗图像分类领域，具体涉及一种小样本医疗图像分类方法、系统及存储介质，方法包括如下依次执行的步骤：S1：采用第一数据集和预训练策略对双向状态空间模型进行预训练，获得双向状态空间模型的预训练权重；S2：获取第二数据集，进行处理；S3：采用第二数据集对双向状态空间模型进行元训练，获得元训练后的双向状态空间模型；S4：获取第三数据集，进行处理；S5：微调元训练后的双向状态空间模型，获取元微调后的双向状态空间模型；S6：进行最终测试，将所述第三支持集和所述第三查询集输入到增强原型网络进行分类，获取分类结果，本申请通过实施预训练‑元训练‑微调的简化流程，显著提高了模型的适应速度和效率。

主权项：1.一种小样本医疗图像分类方法，其特征在于：包括如下依次执行的步骤：S1：获取第一数据集以及预设的预训练策略，采用所述第一数据集和所述预训练策略对双向状态空间模型进行预训练，获得双向状态空间模型的预训练权重；S2：获取第二数据集，将所述第二数据集划分为第二支持集和第二查询集，预设多个episode分别对所述第二支持集和所述第二查询集进行随机采样，对所述第二支持集和所述第二查询集分别进行序列化操作，为所述第二支持集和所述第二查询集中的每个图像添加位置编码和类别编码，得到对应的第一序列数据；S3：采用所述第二数据集对双向状态空间模型进行元训练，获得元训练后的双向状态空间模型，元训练的具体步骤如下：S3-1：将所述第二支持集对应的第一序列数据输入到双向状态空间模型中进行特征数据提取；S3-2：将步骤S3-1提取的特征数据输入到增强原型网络，获取分类结果；S4：获取第三数据集，将所述第三数据集划分为第三支持集和第三查询集，预设多个episode分别对所述第三支持集和所述第三查询集进行随机采样，对所述第三支持集和所述第三查询集分别进行序列化操作，为所述第三支持集和所述第三查询集中的每个图像添加位置编码和类别编码，得到对应的第二序列数据；S5：将所述第三支持集进行随机的数据增强，得到增强的第三支持集，将增强的第三支持集和所述第二序列数据输入到元训练后的双向状态空间模型进行特征提取，获取对应的第二特征数据，将增强的第三支持集和第三查询集对应的第二特征数据分别输入到增强原型网络进行分类，用于梯度反向传播来微调元训练后的双向状态空间模型，获取元微调后的双向状态空间模型；S6：进行最终测试，将所述第三支持集和所述第三查询集输入到增强原型网络进行分类，获取分类结果；双向状态空间模型对所述第一序列数据和所述第二序列数据的处理过程如下：采用如下公式进行特征数据的提取： ；其中，序列数据为经过双向状态空间模型处理完的特征数据，该特征数据包括类别标记特征提取的图像类别信息，为局部块特征，j表示第j个局部块，P为局部块的数量；所述增强原型网络采用如下公式对提取的特征数据进行操作： ； ； ； 为度量方式，用于量化每个局部块与类别标记特征的相似性，并通过softmax进一步转化为权重信息，再用sum整合所有的局部块特征为，整合的局部块特征融合到类别标记特征组成最终的分类特征局部块；采用如下公式进行分类操作： ； ；其中，为缩放因子，为偏置，用于调整决策边界；支持集和查询集经过双向状态空间得到的特征都转为，支持集的每个类别下所有的样本特征进行平均得到类别原型特征，每个查询集特征和每个类别原型特征两两计算相似度得到分类得分矩阵，通过一个放射层对分类得分矩阵进行调整得到最终的分类得分矩阵，其中，每个查询样本的最大类别得分即为该样本的类别。

全文数据：

权利要求：

百度查询： 泉州装备制造研究所 一种小样本医疗图像分类方法、系统及存储介质