研究发现，残差型大型语言模型作为编码器在生物医学图像任务中有效。通过利用预训练的大型语言模型中的冻结变压器块作为创新编码器层，提升生物医学图像应用性能，并在标准数据集上取得卓越结果。该研究拓展了大型语言模型在生物医学图像领域的应用新途径。

研究发现，残差型大型语言模型在生物医学图像任务中作为编码器具有意外的有效性。该方法利用预训练的大型语言模型中的冻结变压器块作为创新编码器层，可以直接处理视觉标记，并提升生物医学图像应用的性能。该研究在MedMNIST-2D和3D的大规模标准数据集上取得了卓越的性能，刷新了最新的技术结果。这项工作开拓了大型语言模型在生物医学图像领域的应用新途径。

研究发现，残差型大型语言模型在生物医学图像任务中作为编码器具有意外的有效性。该方法利用预训练的大型语言模型中的冻结变压器块作为创新编码器层，直接处理视觉标记并提升生物医学图像应用性能。该框架在MedMNIST-2D和3D的大规模标准数据集上取得卓越性能，丰富了大型语言模型在生物医学图像领域的应用潜力。