一种基于多模态增量学习的视网膜影像分类方法和系统

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。