电气工程与系统科学 > 图像与视频处理
[提交于 2025年1月27日
]
标题: Brain-Adapter:利用适配器微调多模态大型语言模型增强神经系统疾病分析
标题: Brain-Adapter: Enhancing Neurological Disorder Analysis with Adapter-Tuning Multimodal Large Language Models
摘要: 理解脑部疾病对于准确的临床诊断和治疗至关重要。多模态大型语言模型(MLLMs)的最新进展提供了一种利用文本描述解释医学图像的有前景的方法。然而,以往的研究主要集中在二维医学图像上,而三维图像中更丰富的空间信息尚未被充分探索,单模态方法由于忽略了其他模态中包含的关键临床信息而受到限制。为了解决这一问题,本文提出了一种名为Brain-Adapter的新方法,该方法通过增加一个额外的瓶颈层来学习新知识并将其实现到原始预训练的知识中。主要思想是引入一个轻量级的瓶颈层,在捕获关键信息的同时训练较少的参数,并利用对比语言-图像预训练(CLIP)策略在统一表示空间内对齐多模态数据。广泛的实验验证了我们方法在整合多模态数据以显著提高诊断准确性方面的有效性,同时没有带来高计算成本,突显了增强现实世界诊断工作流程的潜力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.