综述:基础模型与视觉语言模型在医学影像领域的应用研究综述
《Computers》:Foundation Models and Vision-Language Models in Medical Imaging: A Review
【字体:
大
中
小
】
时间:2026年10月14日
来源:Computers 5.2
摘要
基础模型(Foundation Models, FMs)和视觉语言模型(Vision-Language Models, VLMs)已成为人工智能领域的变革性范式,正在重塑医学影像分析和临床决策支持领域的面貌。这些模型基于大规模异构数据集的预训练,展现出前所未有的泛化能力和零样本迁移能力,有效克服了长期制约医疗领域深度学习应用的标注数据稀缺这一瓶颈。本文系统综述了FMs和VLMs在医学影像领域应用的最新进展,涵盖了包括放射影像、计算机断层扫描(CT)、磁共振成像(MRI)、病理全切片图像、眼科、皮肤科学和超声心动图在内的多种模态。本文提供了关于模型架构、训练策略和适配机制的结构化分类体系,涵盖了基于对比学习(CLIP)的范式、生成式范式和混合范式。此外,本文还对MedCLIP、BioViL、BiomedCLIP、MedSAM、SAM-Med2D、LLaVA-Med、Med-PaLM 2、CONCH和BiomedGPT等开创性工作进行了批判性分析,考察了其方法论贡献、基准测试表现及固有局限性。本文还讨论了现有研究的不足之处,包括三维体数据理解能力不足、罕见病场景下的多模态推理能力有限、临床部署的转化障碍,以及算法偏差和隐私等关键伦理问题。此外,本文还介绍了前沿发展趋势,包括指令微调的多模态大语言模型(LLMs)、基于智能体的系统、联邦学习,以及用于时间序列生理数据的基础模型。最后,本文提出了面向临床上经过验证的、公平可用的可部署医学影像AI系统的研究方向。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号