机构名称：
¥ 4.0
人工智能（AI）的进步提供了有希望的解决方案，可增强临床工作流程和患者护理，并有可能彻底改变医疗保健服务。但是，医疗保健中AI集成的传统范式受到依靠培训期间单个输入方式的模型的限制，并且需要广泛的标记数据，无法捕获医疗实践的多模式性质。多模式基础模型，尤其是大型视觉语言模型（VLM），有可能通过处理多种数据类型并从大型未标记的数据集或不同方式的自然对中学习来克服这些局限性，从而有助于发展医疗保健中更健壮和多功能AI系统的发展。在这篇评论中，我们为医学成像应用的多模式基础模型建立了统一的术语，并对2012年至2024年发表的论文进行了系统分析。总共筛选了医疗和AI领域的1,144篇论文，并从97个包括的研究中提取了数据。我们的全面努力汇总了先前工作的集体知识，评估了医疗保健中多模式AI的现状，并描述了主要的局限性和潜在的增长领域。我们为包括模型开发人员，临床医生，政策制定者和数据集策展人在内的各种利益相关者提供实施指南和可行的建议。
医学成像的多模式基础模型
主要关键词
相关文件推荐
