Brust-Röntgenbild-Bilddiagnose und Berichtserzeugung dediziertes Modell basierend auf Deepseek

Der globale Mangel an Radiologen ist ein dringendes Problem, insbesondere in Regionen mit begrenzten medizinischen Ressourcen. Vor diesem Hintergrund stimmt die Erzeugung von Bericht zum Kernziel von Radiologie -KI -Systemen nicht nur den praktischen Bedürfnissen von Radiologen zu, sondern dient auch besser die Anforderungen der Patienten. Mit der Entwicklung multimodaler großer Modelle ist es möglich, automatische Systeme für die Erzeugung von Berichten für medizinische Bilder zu entwickeln. Obwohl Chatgpt 4O bestimmte Funktionen in mehreren medizinischen Sub -Feldern als geschlossenes Quellsystem gezeigt hat, hat es Einschränkungen. Sein Modellgenerierungsmechanismus ist undurchsichtig, und es gibt Probleme wie Halluzination. In letzter Zeit hat Deepseeks offenes multimodales großes Modell, Janus - Pro, ein "beliebiges" Modell, die Vorteile von hoher Leistung, niedrigen Kosten und offenen Quellen. Nature hat drei aufeinanderfolgende Artikel veröffentlicht, in denen seine atemberaubenden Funktionen eingeführt wurden. Nach dem Training und der Geldstrafe - Tuning, Janus - Pro zeigt ein großes Potenzial für die Diagnose der medizinischen Bild und die Erzeugung von Berichten. Derzeit wurde jedoch die Anwendung von Janus - Pro bei der Bilddiagnose nicht bewertet. Die meisten vorhandenen Modelle sind sehr vielseitig, aber es fehlt die Optimierung für bestimmte Domänen, und es fehlen systematische und multi -dimensionale Bewertungsmethoden, um die Vor- und Nachteile multimodaler großer Modelle in der medizinischen Radiologie zu bestimmen. Basierend auf diesen aktuellen Situationen besteht der Zweck unserer Forschung darin, den Anwendungswert großer Modelle zu entwickeln und zu überprüfen, die medizinischen Bildern bei der Erzeugung von Bilddiagnose und Radiologiebericht gewidmet sind.