人工智能领域权威期刊《Expert Systems With Applications》刊发我校信息工程学院王帅博士、职业教育学院毛瑞娜老师合作的学术论文“PromptMed: Prompt-driven semi-supervised medical image classification with class-balanced consistency and contrastive learning”。
该文深入讨论了预训练基础模型在医学图像分类任务中全监督微调成本高昂、现有半监督学习方法面临数据类不平衡严重及特征判别力不足等关键问题。为了解决这些问题，提出了一个名为PromptMed的参数高效半监督医学图像分类框架。该框架集成了提示噪声注入（PNI）、类平衡提示适应（CBPA）和对比特征一致性（CFC）三个核心组件，通过在提示空间注入不同强度的噪声增强模型鲁棒性，利用动态噪声调整策略缓解类不平衡影响，并结合对比学习提升特征的可分性。该方案有效地解决了医学图像标注稀缺与类别分布不均的难题，在大幅降低可训练参数的同时，实现了优于现有最先进方法的分类性能，在结直肠癌组织病理学分析、皮肤病诊断等医疗健康领域具有较好的应用前景。
位置：