Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.18512v1

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2506.18512v1 (cs)
[提交于 2025年6月23日 ]

标题: MedTVT-R1:一种增强医学推理和诊断的多模态大语言模型

标题: MedTVT-R1: A Multimodal LLM Empowering Medical Reasoning and Diagnosis

Authors:Yuting Zhang, Kaishen Yuan, Hao Lu, Yutao Yue, Jintai Chen, Kaishun Wu
摘要: 准确且可解释的多疾病诊断仍然是医学研究中的一个关键挑战,尤其是在利用异构多模态医学数据时。 当前的方法通常依赖于单模态数据,限制了其全面理解复杂疾病的能力。 为了解决这个问题,我们提出了MedTVT-R1,一种新颖的多模态大语言模型(MLLM)框架,旨在整合临床多模态数据进行推理和诊断多种疾病。 我们构建了MedTVT-QA,一个经过筛选的指令数据集,通过证据链方法提供生理水平的解释和疾病水平的诊断的问题-答案对。 MedTVT-R1包含一个模态感知层,以捕捉模态间的依赖关系并自适应地加权模态贡献。 此外,我们采用基于组相对策略优化(GRPO)的强化学习微调,并使用Jaccard奖励函数来增强诊断推理。 实验结果表明,MedTVT-R1在多模态特征利用和多疾病诊断方面表现出优越性,为临床应用(如诊断报告生成和共病推理)提供了重要潜力。 数据集和代码可在https://github.com/keke-nice/MedTVT-R1获取。
摘要: Accurate and interpretable multi-disease diagnosis remains a critical challenge in medical research, particularly when leveraging heterogeneous multimodal medical data. Current approaches often rely on single-modal data, limiting their ability to comprehensively understand complex diseases. To address this, we propose MedTVT-R1, a novel Multimodal Large Language Model (MLLM) framework designed to integrate clinical multimodal data for reasoning and diagnosing multiple diseases. We construct MedTVT-QA, a curated instruction dataset that provides question-answer pairs for physiological-level interpretations and disease-level diagnoses with a Chain of Evidence approach. MedTVT-R1 incorporates a modality perception layer to capture inter-modal dependencies and adaptively weight modality contributions. Additionally, we employ Group Relative Policy Optimization (GRPO)-based Reinforcement Fine-Tuning with a Jaccard Reward function to enhance diagnostic reasoning. Experimental results demonstrate MedTVT-R1's superiority in multimodal feature utilization and multi-disease diagnosis, offering significant potential for clinical applications such as diagnostic report generation and comorbidity reasoning. The dataset and code are available at https://github.com/keke-nice/MedTVT-R1.
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.18512 [cs.CV]
  (或者 arXiv:2506.18512v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.18512
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yuting Zhang [查看电子邮件]
[v1] 星期一, 2025 年 6 月 23 日 11:06:31 UTC (1,308 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.CV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号