U2-RadiMed：找病灶、辅助诊断、写报告，阅片更放心
U2-RadiMed 是云知声自研的专业医学影像大模型，支持影像与文本输入。帮助医生进行影像解读、病灶定位、辅助诊断，并自动生成结构化报告，实现从影像分析到临床决策支持的全流程协同，成为可靠的 AI 医疗助手。
能力评测
本次评测覆盖了从底层感知（病灶检测、定位）到高层推理（临床决策、高级医学推理）的完整能力栈，18 个子任务横跨 CXR / CT / MRI 等多模态影像，能够较全面地反映模型在真实医学影像场景中的综合水平。U2-RadiMed 以 55.47% 的综合准确率位列第 1，是唯一突破准确率50%的模型。
综合准确率 (%)
核心优势
核心优势
覆盖影像工作全流程
从影像解读、病灶定位、诊断辅助到结构化报告生成，一站式承接影像诊断与报告书写的主要环节。
多模态与多图理解
支持单张 / 多张影像与文本输入，擅长多序列、多时序影像的对比分析，适配随访复查、疑难病例等复杂场景。
病灶级可视化定位
不只给出判断结论，还能定位异常位置，为医生提供直观依据，辅助快速锁定病灶、降低漏诊风险。
临床推理与决策支持
结合影像信息与医学知识，辅助鉴别诊断、治疗方案评估与医学问答，为临床决策提供可靠参考。
医疗级安全设计
AI 建议 + 医生确认的工作模式与结果校验机制，确保输出可信、责任清晰，满足临床使用要求。
技术亮点
技术亮点多模态输入
影像（base64 / URL）+ 文本指令，支持单张及多张影像输入。
长上下文序列理解
上下文窗口为 40,960 tokens，可承载多张影像与较长指令。
结构化输出能力
输出为文本，含 bbox 坐标、诊断描述、结构化报告等，支持病灶定位结果的结构化返回与可视化处理。
应用场景
应用场景
影像报告辅助生成
上传影像后，模型自动生成结构化影像报告初稿，包含影像所见与诊断印象，医生在此基础上审核修改，减少重复文书工作。
影像初筛与病灶定位
日常影像判读时，模型自动标注疑似异常区域及位置，帮助医生快速锁定关注点，降低漏诊风险、缩短判读时间。
多期随访对比与病程追踪
针对同一患者治疗前后、多序列/多时序影像，模型串联对比病灶变化趋势，还原疾病进展与治疗效果，省去人工逐帧对照。
疑难病例鉴别诊断
面对复杂病例，模型结合影像特征与医学知识逐一排查疑似病症，列出支持与排除依据并给出概率研判，辅助医生拓宽诊断思路。
能力
能力-
病灶检测与定位
识别影像中的异常病灶并输出位置信息（bbox 坐标），支持单图及多图序列中的病灶检出与定位
-
临床推理
结合影像信息与医学知识进行推理分析，支持病程动态追踪、多模态鉴别诊断与多模态报告生成。
-
临床决策
在影像理解基础上提供决策支持，包括序列影像理解、多模态治疗方案建议与视觉问答。
-
报告生成
基于影像内容自动生成诊断报告文本，支持胸片等多类型影像的结构化报告书写。