U2-RadiMed

U2-RadiMed 是云知声面向医学影像场景打造的专业多模态大模型，支持多张医学影像与文本联合输入，可完成影像检测与定位、医学影像问答、影像报告生成、多影像联合分析及临床推理等任务，为医学影像分析与临床诊疗提供辅助支持。

核心功能

  • 影像检测与定位
    识别医学影像中的异常区域和可疑病灶，并给出相应的空间位置信息。支持多张影像联合分析，可辅助医生进行病灶发现、定位及后续诊疗判断。
  • 医学影像问答
    围绕影像内容回答临床相关问题，支持对影像表现、病变特征及相关医学信息进行分析与解释。
  • 多影像联合分析
    支持单张、多张及多序列医学影像联合输入，可结合不同序列、不同切面及不同时期影像进行综合分析，对影像之间的关联与变化进行判断。
  • 临床推理与决策辅助
    结合医学影像表现及临床问题进行综合推理，对疾病判断、诊疗思路及后续处置提供辅助参考，帮助医生完成从影像分析到临床判断的连续任务。

关键信息

项目参数
模型 IDu2-radimed
上下文窗口40K
输入模态文本+影像图片（单张/多张）
输出模态文本

详细介绍

U2-RadiMed 从综合医学影像理解能力以及临床问答、临床推理、检测定位、报告生成四项核心能力进行评测，覆盖 CXR、CT、MRI 等多模态医学影像和 18 个任务数据集，用于综合验证模型在医学影像理解与临床任务中的表现。

在覆盖多模态医学影像与多类临床任务的综合评测中，U2-RadiMed 综合得分达到 75.1，在当前对比模型中取得最高成绩，体现了模型在医学影像理解、病灶分析与临床任务处理方面较为均衡的综合能力。

75.1
42.1
46.6
61.2
64.4
66.5
69.8
U2-RadiMed
Claude-5 Sonnet
Med-Gemma
Hulu-Med
GPT-5.5
Qwen3.8- Max
GPT-5.6- Sol

在分项能力评测中，U2-RadiMed 在多项医学影像核心任务上亦表现突出：

临床问答

85
71.8
75.4
83.5
83.8
84.2
85
U2-RadiMed
Qwen3.8- Max
GPT-5.5
Claude-5 Sonnet
GPT-5.6- Sol
Med-Gemma
Hulu-Med

临床推理

76.9
49.4
63.7
66.1
68.1
69.7
74.9
U2-RadiMed
Med-Gemma
Claude-5 Sonnet
Qwen3.8- Max
GPT-5.5
GPT-5.6- Sol
Hulu-Med

检测定位

63.2
3.2
6.4
12.2
32.5
39.4
45.9
U2-RadiMed
Med-Gemma
Claude-5 Sonnet
Hulu-Med
GPT-5.5
Qwen3.8- Max
GPT-5.6- Sol

报告生成

75.2
22.8
62
72.5
73.3
76.5
79.5
U2-RadiMed
Claude-5 Sonnet
Med-Gemma
Hulu-Med
GPT-5.5
Qwen3.8- Max
GPT-5.6- Sol

应用场景

  • 影像报告辅助生成
    面向放射科日常阅片与报告撰写场景，根据医学影像生成影像描述与报告草稿，辅助医生完成影像所见和诊断意见整理，提高报告撰写效率。
  • 影像检查辅助分析
    面向胸部、腹部等不同部位和不同模态的影像检查，辅助识别可疑异常、分析影像表现并定位相关区域，为医生进一步判断提供参考。
  • 病程随访与影像对比
    面向复查和长期随访场景，对患者不同时期的影像进行联合分析与变化对比，辅助观察病灶变化、治疗效果及疾病进展。
  • 临床诊疗辅助
    面向复杂病例分析与临床诊疗场景，结合医学影像与临床问题进行综合推理，为疾病判断、进一步检查及诊疗思路提供辅助参考。