Fugu-MT 論文翻訳(概要): BiMediX2: Bio-Medical EXpert LMM for Diverse Medical Modalities

論文の概要: BiMediX2: Bio-Medical EXpert LMM for Diverse Medical Modalities

arxiv url: http://arxiv.org/abs/2412.07769v2
Date: Sun, 02 Nov 2025 14:58:06 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-04 16:14:21.8326
Title: BiMediX2: Bio-Medical EXpert LMM for Diverse Medical Modalities
Title（参考訳）: BiMediX2: 異種医療用バイオメディカルエクスペレットLMM
Authors: Sahal Shaji Mullappilly, Mohammed Irfan Kurpath, Sara Pieri, Saeed Yahya Alseiari, Shanavas Cholakkal, Khaled Aldahmani, Fahad Khan, Rao Anwer, Salman Khan, Timothy Baldwin, Hisham Cholakkal,
Abstract要約: BiMediX2はバイリンガル(アラビア語-英語)のバイオメディカル・エクスパート・大型マルチモーダルモデルである。テキストベースおよび画像ベースの医療インタラクションをサポートする。アラビア語と英語で複数回会話できる。
参考スコア（独自算出の注目度）: 46.684778713683976
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We introduce BiMediX2, a bilingual (Arabic-English) Bio-Medical EXpert Large Multimodal Model that supports text-based and image-based medical interactions. It enables multi-turn conversation in Arabic and English and supports diverse medical imaging modalities, including radiology, CT, and histology. To train BiMediX2, we curate BiMed-V, an extensive Arabic-English bilingual healthcare dataset consisting of 1.6M samples of diverse medical interactions. This dataset supports a range of medical Large Language Model (LLM) and Large Multimodal Model (LMM) tasks, including multi-turn medical conversations, report generation, and visual question answering (VQA). We also introduce BiMed-MBench, the first Arabic-English medical LMM evaluation benchmark, verified by medical experts. BiMediX2 demonstrates excellent performance across multiple medical LLM and LMM benchmarks, achieving state-of-the-art results compared to other open-sourced models. On BiMed-MBench, BiMediX2 outperforms existing methods by over 9% in English and more than 20% in Arabic evaluations. Additionally, it surpasses GPT-4 by approximately 9% in UPHILL factual accuracy evaluations and excels in various medical VQA, report generation, and report summarization tasks. Our trained models, instruction set, and source code are available at https://github.com/mbzuai-oryx/BiMediX2
Abstract（参考訳）: バイリンガル(アラビア語)のバイオメディカル・エクスパート・大型マルチモーダル・モデルであるBiMediX2について述べる。アラビア語と英語のマルチターン会話を可能にし、放射線学、CT、組織学など様々な医療画像モダリティをサポートする。 BiMediX2をトレーニングするために、さまざまな医学的相互作用の1.6Mサンプルからなるアラビア語と英語のバイリンガル医療データセットであるBiMed-Vをキュレートした。このデータセットは、多ターン医療会話、レポート生成、視覚的質問応答(VQA)を含む、LLM(Large Multimodal Model)タスクとLMM(Large Multimodal Model)タスクをサポートする。 BiMed-MBenchは、アラビア語による最初の医療用LMM評価ベンチマークであり、医療専門家によって検証されている。 BiMediX2は、複数の医療用LLMおよびLMMベンチマークで優れたパフォーマンスを示し、他のオープンソースモデルと比較して最先端の結果を達成する。 BiMed-MBenchでは、BiMediX2は既存の手法を英語で9%以上、アラビア語で20%以上上回っている。さらに, GPT-4を約9%上回り, 様々な医療用VQA, レポート生成, レポート要約タスクに優れていた。トレーニングされたモデル、命令セット、ソースコードはhttps://github.com/mbzuai-oryx/BiMediX2で利用可能です。

関連論文リスト

MedQARo: A Large-Scale Benchmark for Medical Question Answering in Romanian [50.767415194856135]
ルーマニア初の大規模医療QAベンチマークであるMedQARoを紹介する。がん患者に関連する102,646のQAペアからなる高品質で大規模なデータセットを構築した。
論文参考訳（メタデータ） (2025-08-22T13:48:37Z)
Lingshu: A Generalist Foundation Model for Unified Multimodal Medical Understanding and Reasoning [57.873833577058]
医療知識の豊富なマルチモーダルデータセットを構築した。次に医学専門のMLLMであるLingshuを紹介します。 Lingshuは、医療専門知識の組み込みとタスク解決能力の向上のために、マルチステージトレーニングを行っている。
論文参考訳（メタデータ） (2025-06-08T08:47:30Z)
MedArabiQ: Benchmarking Large Language Models on Arabic Medical Tasks [7.822971505079421]
本研究は、7つのアラビア医療タスクからなる新しいベンチマークデータセットであるMedArabiQを紹介する。筆者らはまず,過去の医学試験と公開データセットを用いてデータセットを構築した。次に、バイアス緩和を含む様々なLCM機能を評価するために、異なる修正を導入した。
論文参考訳（メタデータ） (2025-05-06T11:07:26Z)
MultiMed-ST: Large-scale Many-to-many Multilingual Medical Speech Translation [12.644932351174786]
医療領域のための大規模STデータセットであるMultiMed-STをリリースし、5つの言語で全ての翻訳方向を網羅した。 290,000のサンプルを持つこのデータセットは、すべてのドメインの中で最大の医療用MTデータセットであり、多言語多言語STである。実験的ベースライン、バイリンガル-マルチリンガル比較研究、エンドツーエンド対カスケード比較研究、タスク特化対マルチタスクシーケンス-シーケンス比較研究、コード・スウィッチ分析、量的品質比較など、この分野の歴史における最も包括的なST分析を、我々の最も優れた知識に提示する。
論文参考訳（メタデータ） (2025-04-04T15:49:17Z)
A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。本稿では,MVLMの概要と適用した各種医療課題について概観する。また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
論文参考訳（メタデータ） (2024-11-19T03:27:05Z)
Interpretable Bilingual Multimodal Large Language Model for Diverse Biomedical Tasks [13.016940516468674]
本研究の目的は,医学的MLLMの解剖学的領域全体を理解する能力を高めることである。本稿では,最初のバイリンガル・ジェネリスト医療用AIシステムである領域認識型医療用MLLM MedRegAを提案する。我々のモデルは、バイリンガル設定における様々な医療ビジョン言語タスクにおける強力なパフォーマンスを達成するだけでなく、マルチモーダル・メディカルスキャンにおける構造を認識し、検出することができる。
論文参考訳（メタデータ） (2024-10-24T02:55:41Z)
Towards Democratizing Multilingual Large Language Models For Medicine Through A Two-Stage Instruction Fine-tuning Approach [6.921012069327385]
オープンソースの多言語医療用大規模言語モデル (LLM) は、様々な地域において言語的に多様な人口を提供する可能性を秘めている。 6言語で200万以上の高品質な医療サンプルを含む2つの多言語命令微調整データセットを導入する。第1段階はMMed-IFTを用いて一般的な医療知識を注入し,第2段階はMMed-IFT-MCを用いたタスク固有の複数選択質問を行う。
論文参考訳（メタデータ） (2024-09-09T15:42:19Z)
HuatuoGPT-Vision, Towards Injecting Medical Visual Knowledge into Multimodal LLMs at Scale [29.956053068653734]
私たちは13万の医療用VQAサンプルでPubMedVisionデータセットを作成します。 PubMedVisionを用いて34Bの医療MLLM HuatuoGPT-Visionを訓練し、医療マルチモーダルシナリオにおいて優れたパフォーマンスを示す。
論文参考訳（メタデータ） (2024-06-27T15:50:41Z)
Medical mT5: An Open-Source Multilingual Text-to-Text LLM for The Medical Domain [19.58987478434808]
我々は、医療領域における最初のオープンソーステキストからテキストへの多言語モデルであるMedical mT5を提示する。包括的な評価では、Medical mT5はエンコーダと、スペイン語、フランス語、イタリア語のベンチマークで同等の大きさのテキスト・テキスト・モデルの両方を上回っている。
論文参考訳（メタデータ） (2024-04-11T10:01:32Z)
Towards Building Multilingual Language Model for Medicine [54.1382395897071]
6つの主要言語を含む約25.5Bトークンを含む多言語医療コーパスを構築した。 MMedBench と呼ばれる有理性を持つ多言語医療用多言語質問応答ベンチマークを提案する。我々の最終モデルであるMMed-Llama 3は、8Bパラメータしか持たないが、MMedBenchおよび英語ベンチマークの他のすべてのオープンソースモデルと比較して優れた性能が得られる。
論文参考訳（メタデータ） (2024-02-21T17:47:20Z)
BiMediX: Bilingual Medical Mixture of Experts LLM [94.85518237963535]
英語とアラビア語の両方でシームレスに相互作用するように設計された、最初のバイリンガル医療混合物であるBiMediXを紹介する。我々のモデルは、英語とアラビア語の幅広い医学的相互作用を促進し、さらに詳細を問い合わせるマルチターンチャットを含む。そこで我々は,高品質な翻訳を保証するために,人間の洗練を図った英語からアラビア語への半自動翻訳パイプラインを提案する。
論文参考訳（メタデータ） (2024-02-20T18:59:26Z)
Qilin-Med-VL: Towards Chinese Large Vision-Language Model for General Healthcare [14.646414629627001]
本研究は,テキストデータと視覚データの分析を統合するために設計された,中国初の大規模視覚言語モデルであるQilin-Med-VLを紹介する。また,100万以上の画像テキストペアからなるデータセットであるChiMed-VLもリリースしました。
論文参考訳（メタデータ） (2023-10-27T08:05:21Z)
Med-Flamingo: a Multimodal Medical Few-shot Learner [58.85676013818811]
医療領域に適応したマルチモーダル・数ショット学習者であるMed-Flamingoを提案する。 OpenFlamingo-9Bに基づいて、出版物や教科書からの医療画像テキストデータのペア化とインターリーブ化を継続する。本研究は,医療用VQA(ジェネレーティブ医療用VQA)の最初の人間評価である。
論文参考訳（メタデータ） (2023-07-27T20:36:02Z)
LLaVA-Med: Training a Large Language-and-Vision Assistant for Biomedicine in One Day [85.19963303642427]
本稿では,バイオメディカルイメージのオープンな研究課題に答えられる視覚言語対話アシスタントを訓練するための費用効率のよいアプローチを提案する。モデルはまず、フィギュア・キャプションのペアを使ってバイオメディカル・ボキャブラリをアライメントし、その後、オープンエンドの会話意味論を習得する。これにより、バイオメディジンのための大規模言語と視覚アシスタントを15時間以内で(8つのA100で)訓練することができる。
論文参考訳（メタデータ） (2023-06-01T16:50:07Z)
CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文参考訳（メタデータ） (2021-06-15T12:25:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。