Esta página ha sido traducida por una máquina. Otras páginas pueden seguir apareciendo en inglés. View in English

Evaluación de grandes modelos multimodales para el aprendizaje y la interpretabilidad de una sola toma en la clasificación de imágenes biomédicas

Wenpin Hou ¹, Qi Liu ¹, Huifang Ma ²

⁰Department of Biostatistics, The Mailman School of Public Health, Columbia University, New York 10032, NY, USA.

Advanced Intelligent Systems (weinheim an Der Bergstrasse, Germany) +

|

21 de agosto de 2025

Ver abstracta en PubMed

Resumen

Los grandes modelos multimodales (LMM) son prometedores en la clasificación de imágenes biomédicas, ya que ofrecen un mejor aprendizaje e interpretabilidad de un solo disparo en comparación con los métodos tradicionales. Estos modelos avanzados de IA ayudan en el análisis de tejidos, células y enfermedades para la investigación y el diagnóstico.

Área De La Ciencia

Análisis de imágenes biomédicas
Inteligencia artificial en la medicina
Biología computacional

Sus Antecedentes

La clasificación de imágenes es crucial para la investigación biomédica y el diagnóstico clínico.
Los métodos tradicionales a menudo requieren conjuntos de datos extensos y carecen de interpretabilidad.

Objetivo Del Estudio

Evaluar la eficacia de los grandes modelos multimodales para la clasificación de imágenes biomédicas.
Para comparar los MLM con los enfoques tradicionales monomodal.

Principales Métodos

Se utilizaron grandes modelos multimodales (LMM), como el GPT-4, para tareas de clasificación de imágenes.
Aplicó LMM a diversos conjuntos de datos de imágenes biomédicas, incluidos los tejidos, los tipos de células y el estado de la enfermedad.

Principales Resultados

Los LMM demostraron un fuerte rendimiento en las capacidades de aprendizaje y generalización de un solo tiro.
Se observó una clasificación basada en el texto y una mayor interpretabilidad con los LMM.
Los LMM superaron a los métodos tradicionales que requieren grandes conjuntos de datos.

Conclusiones

Los grandes modelos multimodales representan un avance significativo en la clasificación de imágenes biomédicas.
Los LMM ofrecen una alternativa más interpretable y eficiente para la investigación biológica y las aplicaciones clínicas.

Palabras clave:

Imagen biomédica Clasificación de las imágenes modelo de lenguaje grande Modelo multimodal de gran tamaño Aprendizaje automático