智源与港中文发布多功能 3D 医学多模态大模型 M3D-LaMed
智源与香港中文大学联合推出 M3D 系列工作,涵盖数据集、模型及基准测试。M3D-Data 包含 120K 图文对等大规模数据;M3D-LaMed 支持文本、定位和分割任务;M3D-Bench 提供自动评估。实验表明该模型在医学图像分析上优于现有方案,代码与数据已开源。

智源与香港中文大学联合推出 M3D 系列工作,涵盖数据集、模型及基准测试。M3D-Data 包含 120K 图文对等大规模数据;M3D-LaMed 支持文本、定位和分割任务;M3D-Bench 提供自动评估。实验表明该模型在医学图像分析上优于现有方案,代码与数据已开源。

智源研究院和香港中文大学联合提出的 M3D 系列工作,包括 M3D-Data、M3D-LaMed 和 M3D-Bench,从数据集、模型和测评全方面推动 3D 医学图像分析的发展。该系列研究旨在利用多模态大语言模型(MLLM)推进 3D 医学图像分析,解决现有研究主要集中在 2D 医学图像而忽视 3D 空间信息的问题。
医学图像分析对临床诊断和治疗至关重要,多模态大语言模型对此的支持日益增多。然而,先前的研究主要集中在 2D 医学图像上,尽管 3D 图像具有更丰富的空间信息,但对其的研究和探索还不够。本文旨在利用 MLLM 推进 3D 医学图像分析。为此,我们提出了一个大规模 3D 多模态医学数据集 M3D-Data,其中包含 120K 个图像 - 文本对和 662K 个指令 - 响应对,专门针对各种 3D 医学任务量身定制,例如图文检索、报告生成、视觉问答、定位和分割。此外,我们提出了 M3D-LaMed,这是一种用于 3D 医学图像分析的多功能多模态大语言模型。此外,我们引入了一个新的 3D 多模态医学基准 M3D-Bench,它有助于在八个任务中进行自动评估。通过综合评估,我们的方法被证明是一种稳健的 3D 医学图像分析模型,其表现优于现有解决方案。所有代码、数据和模型均可公开获取。
M3D-Data 是目前最大的 3D 医学图像数据集,整合了几乎所有开源的 3D 医学分割数据集,共计 25 个。它包含四个子数据集:



M3D-LaMed 是目前最多功能的 3D 医学多模态大模型,能够解决文本、定位和分割三类医学分析任务。该模型基于 M3D-Cap 3D 图文对训练了一个图文对比学习的 M3D-CLIP 模型,提供了其中的视觉预训练权重 3DViT。模型结构清晰,研究者可以轻易魔改每个模块的设置。

M3D-Bench 能够全面和自动评估 8 种任务,涵盖文本、定位和分割三个方面,并提供人工校验后的测试数据。
在 3D 图文检索中,模型旨在根据相似性从数据集中匹配图像和文本,通常涉及两个任务:文本到图像检索 (TR) 和图像到文本检索 (IR)。由于缺乏合适的方法,我们将 2D 医学的代表模型 PMC-CLIP 应用于 3D 图文检索中,发现由于缺乏空间信息,几乎无法和 3D 图文检索模型对比。这证明了 3D 专用模型的重要性。


在报告生成中,该模型根据从 3D 医学图像中提取的信息生成文本报告。实验结果显示,M3D-LaMed 在报告生成任务上表现优异。




定位在视觉语言任务中至关重要,尤其是涉及输入和输出框的任务。在输出框的任务,如指代表达理解 (REC),旨在根据指代表达在图像中定位目标对象。相比之下,在输入框的任务,如指代表达生成 (REG),要求模型根据图像和位置框生成特定区域的描述。


分割任务在 3D 医学图像分析中至关重要,因为它具有识别和定位功能。为了解决各种文本提示,分割分为语义分割和指代表达分割。对于语义分割,该模型根据语义标签生成分割掩码。指代表达分割需要根据自然语言表达描述进行目标分割,需要模型具有一定的理解和推理的能力。


我们在 OOD 对话中测试了 M3D-LaMed 模型,这意味着所有问题都与我们的训练数据不相关。我们发现 M3D-LaMed 具有很强的泛化能力,可以对 OOD 问题产生合理的答案,而不是胡言乱语。模型具有很强的推理能力和泛化能力。

我们最新训练的更小的 M3D-LaMed-Phi-3-4B 模型具有更好的表现,欢迎大家使用!该模型在 Hugging Face 上已开放。




我们 M3D 系列研究促进了使用 MLLM 进行 3D 医学图像分析。具体来说,我们构建了一个大规模 3D 多模态医学数据集 M3D-Data,其中包含 120K 3D 图像文本对和 662K 指令响应对,专为 3D 医学任务量身定制。此外,我们提出了 M3D-LaMed,这是一个通用模型,可处理图像文本检索、报告生成、视觉问答、定位和分割。此外,我们引入了一个综合基准 M3D-Bench,它是为八个任务精心设计的。我们的方法为 MLLM 理解 3D 医学场景的视觉和语言奠定了坚实的基础。我们的数据、代码和模型将促进未来研究中对 3D 医学 MLLM 的进一步探索和应用。

微信公众号「极客日志」,在微信中扫描左侧二维码关注。展示文案:极客日志 zeeklog
使用加密算法(如AES、TripleDES、Rabbit或RC4)加密和解密文本明文。 在线工具,加密/解密文本在线工具,online
生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online
基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具,curl 转代码在线工具,online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具,Base64 字符串编码/解码在线工具,online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具,Base64 文件转换器在线工具,online