本文提出了多种参数高效微调（PEFT）技术，旨在优化医学图像分类的训练过程，包括精细化提示调整（FPT）、动态视觉提示调整（DVPT）和通用并行调优（UniPT）。研究表明，DVPT在多项任务中超越传统微调方法，显示出PEFT在医学图像分析中的应用价值。

本研究探讨了参数高效微调（PEFT）在医疗领域多模态模型中的应用，评估其对医学图像分析的影响。通过600多个实验，比较了16种PEFT方法，发现某些情况下性能提高达22%。研究还提出了神经元级微调（NeFT）和动态视觉提示调整方法（DVPT），在医学图像分析中显示出显著优势。

本研究提出了一种动态视觉提示调整（DVPT）的方法，通过少量可训练参数高效微调医学图像分析模型。DVPT为每个图像生成动态标记，捕捉独特视觉特征，提升下游任务性能。实验结果显示，DVPT在17个任务中超越了完全微调的效果，同时保持高参数效率。研究还探讨了参数高效微调（PEFT）的最新进展及其在医学图像分析中的应用。