近日，星空游戏(StarSky Sports)官方网站-金山软件医学大模型联合实验室马语谦博士生、刘友发副研究员（通讯作者）、杜博教授（通讯作者）共同完成的研究论文《A Few-Shot Class Incremental Learning Method Using Graph Neural Networks》被国际顶级学术期刊之一《IEEE Transactions on Image Processing》（IEEE TIP）正式录用。IEEE TIP作为计算机科学领域权威国际期刊，是中国计算机学会推荐的A类期刊，近年影响因子达13.7，在图像处理与计算机视觉领域具有重要学术影响力。
少样本类增量学习（FSCIL）旨在让模型在有限训练样本下持续学习新类别，同时保留已习得的知识。当前现有方法在处理样本稀缺性与类别动态增量时，难以平衡知识保留与新类适配能力，易出现灾难性遗忘或过拟合问题。针对这一核心挑战，该论文创新性地将图神经网络与物理启发优化技术相结合，构建了新的研究框架。该框架基于CLIP预训练模型构建参数高效的骨干网络，通过动态图结构建模文本与视觉模态的语义关联，同时引入对比学习与能量正则化机制，有效缓解了灾难性遗忘问题。与传统方法相比，该方法能充分利用图结构信息捕捉类别间动态关系，适配增量学习场景。
本研究充分揭示了大模型的应用潜力，有望在智慧医疗领域大放异彩。本研究受到了国家重点研发计划项目、国家自然科学基金青年科学基金项目 (A类)[原杰青项目]、国家自然科学基金面上项目、云南省重大科技专项计划项目的资助。此外，本研究得到了星空游戏(StarSky Sports)官方网站-金山软件医学大模型联合实验室的大力支持。
