医学 AI 的下半场：以证据为中心
让 AI 进入医学认识患者、应用证据、选择行动并检验结局的完整链条。
Ziyan's Notes
Research notes,
in the open.
关于医学 AI、智能体与多模态系统。这里收录个人思考，以及对参与研究工作的公开解读。
Writing
医学图像分割的 Bitter Lesson：从中心任务回到临床接口
分割有价值，但它更准确的位置是工具和接口，而不是医学影像 AI 的终极目标。
AAAI 2026 | GMAI-VL & GMAI-VL-5.5M：通用医学多模态大模型与大规模数据集
介绍面向通用医学 AI 的视觉—语言模型 GMAI-VL，以及包含 550 万样本的开放多模态数据集 GMAI-VL-5.5M。
Project Imaging-X：1000+ 医学影像数据集一站式导航
系统整理 1000 多个开放医学影像数据集，为基础模型的数据选择与复用提供统一入口。
MedSegAgent：一个用于通用医学分割的模型选择与调度系统
为何不再追求“一个模型做一切”，而用多智能体完成模型、数据集与标签选择。
SegBook：面向三维医学图像分割的简单基线和指南
以统一基线研究三维医学图像分割中的模型扩展、迁移能力与实践配置。
NeurIPS 2024 | GMAI-MMBench：通用医疗 AI 的多模态大模型评测基准
介绍用于系统评估医疗多模态大模型的综合基准及其设计。
A-Eval：大规模腹部多器官分割跨数据集评测 Benchmark
从数据中心视角评估腹部多器官分割模型的跨数据集、跨模态泛化。
STU-Net：大规模有监督预训练的可迁移可扩展三维医学分割模型
用大规模有监督预训练构建可扩展、可迁移的三维医学图像分割模型。
SAM-Med3D：三维医学图像上的通用分割模型
面向体积医学图像的通用交互式分割模型，以及其开放数据与迁移能力。
SAM-Med2D：打破自然图像与医学图像的领域鸿沟
以大规模医学图像数据适配 Segment Anything，缩小自然图像与医学图像的领域差异。