論文の概要: MedUAG: Unified Understanding and Generation for Medical Multimodal Models
- arxiv url: http://arxiv.org/abs/2608.18937v1
- Date: Wed, 19 Aug 2026 14:05:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.422786
- Title: MedUAG: Unified Understanding and Generation for Medical Multimodal Models
- Title（参考訳）: MedUAG:医療マルチモーダルモデルの統一的理解と生成
- Abstract要約: 医用統合理解・生成のための包括的基盤(UAG)について紹介する。
まず,これまでで最大の統合医療理解・生成データセットであるMedUAGCorpusを構築した。
第2に、MedUAGBenchは、標準化されたプロトコルの下で12種類のタスクに医療生成の評価を拡大する体系的なベンチマークである。
第3に,エンド・ツー・エンドの統一医療モデルであるMedUAGを開発した。
- 参考スコア（独自算出の注目度）: 26.03938719382972
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent Multimodal Large Language Models (MLLMs) are rapidly evolving into unified understanding and generation (UAG) frameworks. However, extending these unified paradigms to the medical domain is hindered by: the absence of comprehensive training and evaluation benchmarks, and the lack of broadly validated unified medical model. To address these gaps, we present a comprehensive foundation for medical UAG. First, we construct MedUAGCorpus, the largest unified medical understanding and generation dataset to date, comprising over 6 million instances across 14 imaging modalities. Second, we introduce MedUAGBench, a systematic benchmark that expands medical generation evaluation to 12 diverse tasks under standardized protocols. Finally, leveraging these resources, we develop MedUAG, an end-to-end trained unified medical model. Extensive experiments demonstrate that MedUAG achieves strong performance across a wide array of understanding and generation tasks, establishing a competitive baseline and paving the way for next-generation medical multimodal systems.
- Abstract（参考訳）: 最近のMultimodal Large Language Models (MLLM) は急速に統合された理解と生成(UAG)フレームワークへと進化している。
しかしながら、これらの統合されたパラダイムを医療領域に拡張することは、包括的なトレーニングと評価ベンチマークの欠如、広く検証された統一された医療モデルの欠如によって妨げられている。
これらのギャップに対処するため、医用UAGの総合的な基盤を提示する。
まず、MedUAGCorpusを構築する。MedUAGCorpusは、これまでで最大の統合医療理解と生成データセットで、14の画像モダリティにまたがる600万以上のインスタンスから構成される。
第2に、MedUAGBenchは、標準化されたプロトコルの下で12種類のタスクに医療生成の評価を拡大する体系的なベンチマークである。
最後に、これらの資源を活用して、エンドツーエンドに訓練された統合医療モデルであるMedUAGを開発する。
大規模な実験により、MedUAGは幅広い理解と生成タスクにおいて強力なパフォーマンスを達成し、競争基盤を確立し、次世代医療マルチモーダルシステムへの道を開いた。
関連論文リスト
- MedXIAOHE: A Comprehensive Recipe for Building Medical MLLMs [21.189398460029008]
MedXIAOHEは、医学的理解と推論を現実の臨床に応用するために設計された医療ビジョン言語基盤モデルである。
異種医療コーパスを組織し,知識範囲を広げるエンティティ対応型継続事前学習フレームワークを提案する。
医療専門家レベルの推論と相互作用のために、MedXIAOHEは強化学習とツール強化エージェントトレーニングを通じて様々な医学的推論パターンを取り入れている。
論文 参考訳（メタデータ） (2026-02-13T08:19:38Z) - MedMO: Grounding and Understanding Multimodal Large Language Model for Medical Images [25.29568841502814]
一般化MLLMアーキテクチャ上に構築された医療基盤モデルであるMedMOを紹介する。
VQAベンチマークでは、MedMOはベースラインよりも平均精度が+13.7%向上した。
医療報告生成において、MedMOは意味的および臨床的正確性の両方において大きな利益をもたらす。
論文 参考訳（メタデータ） (2026-02-06T18:59:59Z) - MedRoute: RL-Based Dynamic Specialist Routing in Multi-Agent Medical Diagnosis [49.78267008828593]
臨床実践では、複数の専門医が診断を行い、それぞれが専門分野に特化している。
この新興分野の現在のアプローチは、通常、様々な専門家の静的または事前定義された選択に依存しており、現実的なシナリオの変化に適応できない。
LMMエージェントの協調システムからなる柔軟で動的なマルチエージェントフレームワークであるMedRouteを提案する。
論文 参考訳（メタデータ） (2026-02-05T19:50:04Z) - MedGemma Technical Report [75.88152277443179]
MedGemmaは、Gemma 3 4Bと27Bをベースとした医療ビジョン言語基盤モデルの集合体である。
MedGemmaは、画像とテキストの高度な医学的理解と推論を実証する。
また、SigLIPから派生した医用目視エンコーダであるMedSigLIPを紹介する。
論文 参考訳（メタデータ） (2025-07-07T17:01:44Z) - MAM: Modular Multi-Agent Framework for Multi-Modal Medical Diagnosis via Role-Specialized Collaboration [57.98393950821579]
マルチモーダル医療診断のためのモジュール型マルチエージェントフレームワーク(MAM)について紹介する。
我々の経験的発見に触発されて、MAMは医療診断プロセスを、一般実践者、スペシャリストチーム、放射線科医、医療助手、ディレクターの専門的な役割に分解する。
このモジュール的で協調的なフレームワークは、効率的な知識更新を可能にし、既存の医療用LLMと知識ベースを活用する。
論文 参考訳（メタデータ） (2025-06-24T17:52:43Z) - 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) - MedMax: Mixed-Modal Instruction Tuning for Training Biomedical Assistants [28.04215981636089]
混合モーダル基礎モデルのための大規模マルチモーダルバイオメディカルインストラクションチューニングデータセットであるMedMaxについて述べる。
1.47万のインスタンスを持つMedMaxは、インターリーブ画像テキスト生成、バイオメディカル画像キャプションと生成、ビジュアルチャット、レポート理解など、さまざまなタスクを含んでいる。
我々は、MedMaxデータセットの混合モーダル基礎モデルを微調整し、大幅なパフォーマンス改善を実現した。
論文 参考訳（メタデータ） (2024-12-17T08:30:00Z) - Capabilities of Gemini Models in Medicine [100.60391771032887]
医療専門のマルチモーダルモデルであるMed-Geminiを紹介する。
メドジェニーニを14の医療ベンチマークで評価し,その内10に新たな最先端(SoTA)性能を確立した。
我々の結果は、Med-Geminiの可能性を示唆する証拠を提供するが、より厳密な評価は実世界の展開に先立って重要である。
論文 参考訳（メタデータ） (2024-04-29T04:11:28Z) - MedM2G: Unifying Medical Multi-Modal Generation via Cross-Guided
Diffusion with Visual Invariant [15.30998544228763]
MedM2Gは、テキスト・ツー・イメージ、画像・トゥ・テキスト、医用モダリティの統一的な生成タスクを統一する医療生成モデルである。
10のデータセットにまたがって5つの医療生成タスクを実行する。
論文 参考訳（メタデータ） (2024-03-07T07:39:00Z) - A Spectrum Evaluation Benchmark for Medical Multi-Modal Large Language Models [57.88111980149541]
Asclepiusは、Med-MLLMの異なる医学的特長と診断能力で評価する、新しいMed-MLLMベンチマークである。
3つの基本原則に基づいて、アスクレピウスは15の医療専門分野を包括的に評価する。
また、6つのMed-MLLMの詳細な分析を行い、3人の専門家と比較した。
論文 参考訳（メタデータ） (2024-02-17T08:04:23Z) - Towards Generalist Biomedical AI [28.68106423175678]
我々は,汎用バイオメディカルAIシステムの概念実証であるMed-PaLM Multimodal(Med-PaLM M)を紹介する。
Med-PaLM Mは、バイオメディカルデータを柔軟にエンコードし解釈する大規模なマルチモーダル生成モデルである。
モデル生成(およびヒト)胸部X線検査の放射線学的評価を行い, モデルスケールでの性能向上を観察した。
論文 参考訳（メタデータ） (2023-07-26T17:52:22Z)
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。