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！

龙图腾网获悉北京医院申请的专利一种基于多模态增量学习的视网膜影像分类方法和系统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：CN120954078B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511055130.X，技术领域涉及：G06V40/18；该发明授权一种基于多模态增量学习的视网膜影像分类方法和系统是由喻晓兵;张悦;王佳宁;刘念恩;梁丁月;谷潇雅;宋爽;郑召霞;张小丹;赵晶;张鹏;张晓丹设计研发完成，并于2025-07-30向国家知识产权局提交的专利申请。

本一种基于多模态增量学习的视网膜影像分类方法和系统在说明书摘要公布了：本发明涉及一种基于多模态增量学习的视网膜影像分类方法和系统，方法包括：S1、获取多模态视网膜影像，对多模态视网膜影像进行预处理和编码处理，获取全局语义特征向量；S2、将全局语义特征向量映射至大语言模型的嵌入空间，获取视觉嵌入特征；S3、根据文本提示词、视觉嵌入特征和全局语义特征向量，构建多模态提示序列；S4、将当前低秩矩阵参数LoRA引入大语言模型，并冻结原始模型主体参数，根据多模态提示序列对当前低秩矩阵参数LoRA进行训练，重复S4直至完成目标阶段训练，获取训练后的大语言模型；S5、获取待分类的视网膜影像数据，并输入训练后的大语言模型进行分类，输出视网膜下积液类别和视力类别的预测结果。

本发明授权一种基于多模态增量学习的视网膜影像分类方法和系统在权利要求书中公布了：1.一种基于多模态增量学习的视网膜影像分类方法，其特征在于，包括： S1、获取多模态视网膜影像，对所述多模态视网膜影像进行预处理和编码处理，获取全局语义特征向量； S2、将所述全局语义特征向量映射至大语言模型的嵌入空间，获取视觉嵌入特征； S3、根据文本提示词、所述视觉嵌入特征和全局语义特征向量，构建多模态提示序列； S4、将当前低秩矩阵参数LoRA引入大语言模型，并冻结所述大语言模型的原始模型主体参数，根据所述多模态提示序列对所述当前低秩矩阵参数LoRA进行训练，重复S4直至完成目标阶段训练，获取训练后的大语言模型； 根据所述多模态提示序列对所述当前低秩矩阵参数LoRA进行训练包括： 将第一低秩矩阵参数LoRA1引入大语言模型，冻结大语言模型原模型参数，根据第一模态视网膜影像对应的所述多模态提示序列对所述第一低秩矩阵参数LoRA1进行训练，获取第一阶段训练后大语言模型，其中，第一模态视网膜影像对应的所述多模态提示序列包括第一模态视网膜影像对应的文本提示词、视觉嵌入特征和全局语义特征向量； 将第二低秩矩阵参数LoRA2引入所述第一阶段训练后大语言模型并冻结原模型参数，根据第二模态视网膜影像对应的所述多模态提示序列对所述第二低秩矩阵参数LoRA2进行训练，获取第二阶段训练后大语言模型，其中，第二模态视网膜影像对应的所述多模态提示序列包括第二模态视网膜影像对应的文本提示词、视觉嵌入特征，全局语义特征向量，第一模态视网膜影像对应的视觉嵌入特征； 将第三低秩矩阵参数LoRA3引入所述第二阶段训练后大语言模型并冻结原模型参数，根据第三模态视网膜影像对应的所述多模态提示序列对第三低秩矩阵参数LoRA3进行训练，获取第三阶段训练后大语言模型，其中，第三模态视网膜影像对应的所述多模态提示序列包括第三模态视网膜影像对应的文本提示词、视觉嵌入特征，全局语义特征向量，第一模态视网膜影像对应的视觉嵌入特征，第二模态视网膜影像对应的视觉嵌入特征; S5、获取待分类的视网膜影像数据，并输入所述训练后的大语言模型进行分类，输出视网膜下积液类别和视力类别的预测结果。

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北京医院，其通讯地址为：100730 北京市东城区东单大华路一号北京医院；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。