基于双流EfficientNet和决策树的眼科疾病图像识别方法

基于双流EfficientNet和决策树的眼科疾病图像识别方法，涉及医疗检测技术领域，包括以下步骤：收集患者双眼样本的多模态数据进行向量化预处理，将预处理过的双眼图像输入双流EfficientNet‑b3网络中提取并融合生成双眼综合图像特征向量，将双眼综合图像特征向量与文本特征向量进行交互融合，之后继续与临床数据向量进行加权融合，得到最终融合特征向量，对最终融合特征向量执行动态门控网络融合，将融合得到的决策特征向量输入决策树中，判断最终结果；本发明公开了一种基于跨模态特征与决策树的眼科疾病图像识别方法和模型，训练决策树对融合后的特征进行判断，有效提升了针对复杂眼科疾病图像识别结果的可靠性和准确性。