# マルチモーダル医療分析

MedGemma-4B-ITは医療分野に特化した画像テキスト生成モデルで、Googleによって開発されました。

MedGemmaはGoogleが開発した医療専用マルチモーダルAIモデルで、Gemma 3アーキテクチャを基に、医療テキストと画像理解に特化しています。

MedGemmaはGemma 3を最適化した医療マルチモーダルモデルシリーズで、医療テキストと画像理解のために設計され、4Bと27Bの2つのパラメータサイズバージョンを提供します。

これはQwen2アーキテクチャに基づくマルチモーダルモデルで、テキスト生成、画像からテキストへの変換、ビジュアルQ&Aタスクに特化しています。

unsloth/Llama-3.2-11B-Vision-Instructを微調整した放射線画像補助解読モデルで、最適化により実行速度が2倍向上

心電図（ECG）画像解読のために特別に設計されたマルチモーダル大規模言語モデル（MLLM）。多様なデータソースからのECG関連タスクを処理可能。

LLaVA-Medは、カリキュラム学習法でトレーニングされた大規模言語視覚バイオメディカルアシスタントで、生物医学分野のビジュアルQAタスクに特化しています。

LLaVA-1.5アーキテクチャに基づく中国語医療マルチモーダル大規模言語モデルで、医療分野の視覚質問応答タスクに特化しています。

これは胸部X線画像に基づくテキスト生成モデルで、医学画像から放射線学的所見レポートを生成できます。

RadLLaMA-7bはスタンフォードAIMIチームが開発した放射学領域向けの基礎言語モデルで、LLaMA2アーキテクチャを基にしています。

BabyDoctorは、CLiPとLLaMA 2の能力を統合したマルチモーダル大規模言語モデルで、テキストの理解と生成が可能であり、同時に画像も理解できます。このモデルは、X線、超音波、MRI、CTスキャンなどの放射線画像の解読に特化して微調整されています。

RCLIPは、放射線画像分野でCLIPモデルをファインチューニングした視覚-言語モデルで、医療画像分析に最適化されています。

Quilt-1M病理動画データセットで訓練されたViT-B/16視覚エンコーダーとPubMedBERTテキストエンコーダーのマルチモーダル基盤モデル

Quilt-1M病理ビデオデータセットでトレーニングされたCLIP ViT-B/32視覚言語基盤モデルで、病理組織学分析専用に設計されています