Bryst røntgenbilde diagnose og rapportgenerering dedikert modell basert på DeepSeek

Den globale mangelen på radiologer er et presserende spørsmål, spesielt i regioner med begrensede medisinske ressurser. På bakgrunn av dette samsvarer ikke bare å gjøre rapportgenerering til kjernemålet med Radiology AI -systemer med de praktiske behovene til radiologer, men også bedre tjener pasientkrav. Med utviklingen av multimodale store modeller har det blitt mulig å utvikle automatiske rapportgenereringssystemer for medisinske bilder. Selv om ChatGPT 4O har vist visse evner i flere medisinske underfelt, som et lukket kildesystem, har det begrensninger. Modellgenereringsmekanismen er ugjennomsiktig, og det eksisterer problemer som hallusinasjon. Nylig har DeepSeek's Open - Source Multimodal Large Model, Janus - Pro, en "hvilken som helst for enhver" modell, fordelene med høy ytelse, lave kostnader og åpen kilde. Nature publiserte tre påfølgende artikler som introduserte sine fantastiske funksjoner. Etter trening og finjustering viser Janus - Pro et stort potensial i medisinsk bildediagnose og rapportgenerering. For øyeblikket er anvendelsen av Janus - Pro i bildediagnose imidlertid ikke evaluert. De fleste eksisterende modeller er svært allsidige, men mangler optimalisering for spesifikke domener, og det er mangel på systematiske og multi -dimensjonale evalueringsmetoder for å bestemme fordeler og ulemper med multimodale store modeller i medisinsk radiologi. Basert på disse nåværende situasjonene, er formålet med vår forskning å utvikle og verifisere applikasjonsverdien til store modeller dedikert til medisinske bilder i generering av bildediagnose og generering av radiologi.