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申请的专利一种基于小样本元学习的医学影像分类方法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：CN116503668B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310564069.6，技术领域涉及：G06V10/764；该发明授权一种基于小样本元学习的医学影像分类方法是由田智强;郑尧月;张雪涛;杜少毅设计研发完成，并于2023-05-18向国家知识产权局提交的专利申请。

本一种基于小样本元学习的医学影像分类方法在说明书摘要公布了：本发明公开了一种基于小样本元学习的医学影像分类方法。本发明两阶段训练方式获得具有域间泛化性的模型，解决医学影像可训练样本少、域间泛化能力差的问题。其次，本发明设计了双分支自适应元迁移网络及对应的联合交叉熵损失函数。通过网络的对抗训练，增强特征提取器在不同模态、不同设备间成像图片的泛化性，解决小样本学习过拟合问题，为医学影像分析处理应用获取有效的识别结果。最后，本发明设计了全局相似度兼容模块，为小样本元学习的预测降低因图像背景、成像条件、人为操作等因素带来的噪声，提升模型预测鲁棒性。同时，全局相似度兼容模块能够有效建立样本兼容矩阵，解决小样本预测容易受噪声影响的缺点，进一步提高预测精度。

本发明授权一种基于小样本元学习的医学影像分类方法在权利要求书中公布了：1.一种基于小样本元学习的医学影像分类方法，其特征在于，包括以下步骤： 步骤一，预训练阶段，利用分类网络对训练数据集进行特征提取及结果预测； 步骤二，将训练数据集重新组织为一系列任务的集合；为了构建一个任务，从待训练数据集中随机选择C个不同的类别，每个类别选择K张样本作为该类有标签的支撑集，选择N张样本作为该类无标签的查询集；其中，对查询集中N张样本的预测基于支撑集中K张有标签样本；为了构建训练任务集，重复这样的操作n次，生成一个包含n个任务的训练任务集，作为后续训练的输入数据； 步骤三，元训练双分支自适应元迁移网络模型，包括特征提取器，用于支撑集与查询集同时输入共享的特征提取器，分别获得高级特征后，同时输入分支一、分支二进行后续处理；分支一使用全局相似度兼容度量模块，用于对支撑集和查询集中的样本计算相似度，获得相似度兼容矩阵，接着，通过计算任意两个样本在兼容矩阵中兼容值的相似度，获得查询集样本的第一预测结果，第一预测结果与真实标签通过交叉熵损失函数计算获得损失值；分支二使用线性分类器，用于将查询集单独输入到线性分类器中，线性分类器为一个全连接层，通过该全连接层，获得查询集中每个样本的第二预测结果，第二预测结果与真实标签通过交叉熵损失函数计算获得损失值； 基于步骤一得到的特征提取器以及步骤二得到的训练任务集作为输入数据，双分支网络模型对训练任务集进行元训练；在元训练阶段，特征提取器学习元知识，并计算每个任务中支撑集与查询集的相似度； 步骤四，在正向传播过程中，训练任务样本经过双分支网络模型，得到两个预测结果，通过损失函数计算预测结果与真实标签的差距得到预测损失值； 步骤五，在反向传播过程中，于线性分类器之前使用了梯度反转模块，两个分支通过对抗训练共同优化特征提取器； 步骤六，使用梯度下降策略优化双分支网络模型参数，根据损失函数的值更新网络模型，使损失函数不断下降至收敛；计算真实标签与模型预测之间的距离，当网络模型的训练损失收敛时，保存模型参数，并利用该模型作为医学影像的分析与处理模型。

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，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。

以上内容由龙图腾AI智能生成。