arXiv cs.AI· Praveenbalaji Rajendran, Mojtaba Safari, Wenfeng He, Mingzhe Hu, Shansong Wang, Jun Zhou, Xiaofeng Yang·· 2 天前AI 评分31
医学图像分析中的基础模型：系统综述与荟萃分析
Foundation Models in Medical Image Analysis: A Systematic Review and Meta-Analysis
AI 导读
一篇系统综述与荟萃分析将医学图像分析中的基础模型划分为纯视觉基础模型（VFMs）和视觉-语言基础模型（VLFMs）两类，并按架构基础、训练策略与下游临床任务进行梳理。研究对两类模型的数据集使用与应用领域时间趋势做了定量分析，并给出汇总性能与亚组分析。文章还讨论了跨域泛化、计算可扩展性、基础模型评估、公平性与部署等挑战。
正文 · AI 翻译
摘要：基础模型（FMs）的最新进展推动了医学图像分析领域的范式转变。与传统任务特定的人工智能（AI）模型不同，FMs 利用大规模数据集学习可适应下游临床应用的泛化表示。尽管医学影像领域的 FM 研究迅速增多，但仍缺乏系统梳理各模态下架构演进、训练范式和临床应用的统一综述。为填补这一空白，本综述对医学图像分析中的 FMs 进行了全面且结构化的综合梳理，依据架构基础、训练策略和下游临床任务，将研究系统地归为两大类：纯视觉基础模型（VFMs）和视觉-语言基础模型（VLFMs）。我们对 VFMs 和 VLFMs 均进行了定量分析，以刻画数据集利用和应用领域的时间趋势，并进行了汇总性能与亚组分析。我们还批判性地讨论了持续存在的挑战，包括跨域泛化、计算可扩展性、FM 评估、公平性和部署。最后，我们指出了旨在增强 FMs 鲁棒性、可解释性和临床整合的关键未来研究方向，从而加速其向真实世界医疗实践的转化。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；医学物理（physics.med-ph） |
| 引用为： | arXiv:2510.16973 [cs.CV] |
| （或本版本使用 arXiv:2510.16973v2 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2510.16973 arXiv 颁发的 DOI（通过 DataCite） |
|
| 期刊 参考： | Medical Image Analysis 115 (2027) 104293 |
| 相关 DOI： | https://doi.org/10.1016/j.media.2026.104293
链接到相关资源的 DOI |
提交历史
来自：Praveenbalaji Rajendran [查看邮箱]
[v1]
2025年10月19日 周日 19:19:23 UTC（2,985 KB）
[v2]
2026年10月26日 周一 13:35:45 UTC（2,861 KB）
来源：arXiv cs.AI · arxiv.org