Aligning Multimodal Biomedical Images and Language via One Large Vision-Language Model

计算机科学 人工智能 自然语言处理 语言模型 计算机视觉
作者
Haojie Zhang,Min Zeng,Jinfeng Ding,Yixiong Liang,Ruiqing Zheng,Zhe Qu,Min Li,Shichao Kan
出处
期刊: [Institute of Electrical and Electronics Engineers]
卷期号:: 2874-2879 被引量:2
标识
DOI:10.1109/bibm62325.2024.10822357
摘要

Large Vision-Language Models (LVLMs) have garnered substantial attention in the biomedical image analysis domain due to their robust vision understanding capabilities. However, current methods rely heavily on dataset- and modality-specific fine-tuning. This involves tuning separate models for each dataset and biomedical modality. In this paper, we introduce a method for aligning multimodal biomedical images and language using a single LVLM, dubbed UniMed-LVLM. Specifically, we devise a General Projection Module (GPM) by integrating multiple image projection branches and implementing dynamic routing between the vision encoder and language decoder within the LLaVA-Med framework. Subsequently, we progressively align multiple biomedical modalities using a Parameter-Efficient Fine-Tuning (PEFT) technique known as Low-Rank Adaptation (LoRA). The model is initially trained on the LLaVA-Med dataset and then fine-tuned on four biomedical image analysis datasets: PathVqa, Slake, VqaRad, and Fitzpatrick17k, enabling the simultaneous analysis of radiology, pathology, and dermatology images. A single model is fine-tuned on three modalities across these datasets and evaluated on all test sets. Experimental results show that UniMed-LVLM improves the average evaluation score by 1.88% across the four datasets, validating its effectiveness in handling multimodal biomedical images.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
zhanglh123完成签到,获得积分10
刚刚
科研通AI2S的应助被炁_采纳,获得10
1秒前
1秒前
你好完成签到,获得积分10
1秒前
平淡的井完成签到,获得积分10
1秒前
Olivia完成签到,获得积分10
1秒前
2秒前
3秒前
3秒前
3秒前
3秒前
orixero的应助被科研通管家采纳,获得10
3秒前
斯文败类的应助被科研通管家采纳,获得10
4秒前
4秒前
隐形曼青的应助被科研通管家采纳,获得10
4秒前
乐乐的应助被科研通管家采纳,获得10
4秒前
懵懂的梦容完成签到 ,获得积分10
4秒前
syvshc的应助被科研通管家采纳,获得10
4秒前
研友_VZG7GZ的应助被科研通管家采纳,获得10
4秒前
4秒前
4秒前
所所的应助被科研通管家采纳,获得10
4秒前
猫脑加载中完成签到,获得积分10
4秒前
我是老大的应助被科研通管家采纳,获得10
5秒前
风清扬的应助被科研通管家采纳,获得10
5秒前
沉默洋葱完成签到,获得积分0
5秒前
小蘑菇的应助被科研通管家采纳,获得10
5秒前
5秒前
cdercder的应助被科研通管家采纳,获得10
5秒前
DW的应助被科研通管家采纳,获得10
5秒前
5秒前
syvshc的应助被科研通管家采纳,获得10
5秒前
6秒前
6秒前
零负一的应助被科研通管家采纳,获得10
6秒前
秋风的应助被科研通管家采纳,获得20
6秒前
大气幻柏发布了新的文献求助10
6秒前
6秒前
cdercder的应助被科研通管家采纳,获得10
6秒前
6秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
Boundaries and Bodhisattvas 500
高分子基功能界面水蒸发材料与应用研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8181892
求助须知:如何正确求助?哪些是违规求助? 9571628
关于积分的说明 21818984
捐赠科研通 7778258
什么是DOI,文献DOI怎么找? 3433556
关于科研通互助平台的介绍 2557720
邀请新用户注册赠送积分活动 2479621