基于 Google-MedGemma 的肌肉骨骼 X 光片异常检测
计算机视觉与模式识别
2025-11-11 v1 人工智能
摘要
本文提出了一种基于 MedGemma 的框架，用于自动检测肌肉骨骼 X 光片中的异常。该方法不同于传统的自编码器和神经网络管道，利用 MedGemma 基础模型，集成了源自多种医学影像模态的预训练视觉编码器。经过预处理的 X 光片图像被输入 MedGemma 视觉主干网络编码为高维嵌入，随后通过轻量级多层感知器进行二分类。实验评估表明，MedGemma 驱动的分类器表现优异，显著优于传统卷积和自编码器方法。此外，该模型充分利用了 MedGemma 的迁移学习能力，提升了泛化性并优化了特征工程。将现代医学基础模型集成不仅提升了表征学习，还促进了模块化训练策略的实现，如针对特定领域的高效适应性所需的 selectively 解冻编码器块。我们的发现表明，MedGemma 驱动的分类系统可推动临床 X 光片分流，提供可扩展且精确的异常检测能力，并具有更广泛的自动化医学图像分析潜在应用。
引用
@article{arxiv.2511.05600,
title = {Google-MedGemma Based Abnormality Detection in Musculoskeletal radiographs},
author = {Soumyajit Maity and Pranjal Kamboj and Sneha Maity and Rajat Singh and Sankhadeep Chatterjee},
journal= {arXiv preprint arXiv:2511.05600},
year = {2025}
}
备注
Proceedings of ICICT 2026, London, Springer (Forthcoming, February 2026; Accepted for Publication)