# 医学画像解析

霊枢は医療分野の最先端の多モーダル大規模言語モデルで、医療ビジュアル質問応答とレポート生成タスクで卓越した性能を発揮します。

MedGemma-4B-IT-4bitは、医学分野向けに設計されたビジョン言語モデルで、画像とテキストの処理をサポートし、医学画像解析などのタスクに適しています。

このモデルはBLIPベースモデルを病理スライド画像向けに微調整したバージョンで、病理スライド画像の説明テキストを自動生成するために使用されます。

ビジュアルトランスフォーマー（ViT）に基づく画像分類モデルで、3300万枚の組織学的切片を使用してDINO自己教師付き学習方法で訓練され、病理画像分類タスクに適しています。

Segment Anything Model (SAM)に基づく乳がんセグメンテーションモデルで、医学画像内の腫瘍領域の識別に使用されます。

google/vit-base-patch16-224を基にファインチューニングした画像分類モデルで、組織学画像解析タスクに適しています。