一种基于知识增强组合式疾病原型的医学多模态零样本分类方法及系统

本发明公开了一种基于知识增强组合式疾病原型的医学多模态零样本分类方法及系统，属于医学人工智能与医学影像分析领域。该方法获取医学影像及对应放射科报告，对报告文本进行医学概念抽取、知识库映射和语义类型划分，构建由解剖部位、影像征象和诊断类别组成的组合式疾病原型。利用图像编码器提取全局影像特征和局部区域影像特征，并分别与组合式疾病原型进行全局配对对齐和局部病灶配对对齐，结合原型约束机制，增强组合式疾病原型间可分性及其与语义组件的一致性。本发明可提高未见疾病分类准确性、跨数据集迁移能力和医学可解释性，并在缺乏目标疾病训练样本时完成候选疾病匹配与判别，有效提升开放场景下临床辅助诊断的应用价值。