Diagnoza obrazu rentgenowskiego klatki piersiowej i dedykowany model generowania raportów oparty na Deepseek

Globalny niedobór radiologów jest pilnym problemem, szczególnie w regionach o ograniczonych zasobach medycznych. Na tym tle generowanie raportów jest podstawowym celem systemów Radiologii AI nie tylko jest zgodne z praktycznymi potrzebami radiologów, ale także lepiej służy wymagań pacjenta. Wraz z opracowaniem multimodalnych dużych modeli stało się możliwe opracowanie automatycznych systemów generowania raportów dla obrazów medycznych. Chociaż CHATGPT 4O wykazał pewne możliwości w wielu dziedzinach medycznych, jako zamknięty system źródłowy, ma ograniczenia. Jego mechanizm generowania modelu jest nieprzezroczysty i istnieją takie problemy, jak halucynacja. Ostatnio Multimodal Large Model DeepSeek Multimodal, Janus - Pro, model „dowolny do dowolnego”, ma zalety wysokiej wydajności, niskiej kosztów i otwartego źródła. Nature opublikowało trzy kolejne artykuły przedstawiające swoje oszałamiające funkcje. Po szkoleniu i dobrej tuningu Janus - Pro wykazuje duży potencjał w diagnozie obrazu medycznego i generowaniu raportów. Jednak obecnie zastosowanie Janus - Pro w diagnozie obrazu nie zostało ocenione. Większość istniejących modeli jest wysoce wszechstronna, ale brakuje optymalizacji dla określonych domen, a brakuje systematycznych i wielowymiarowych metod oceny w celu określenia zalet i wady dużych dużych modeli w radiologii medycznej. Na podstawie tych obecnych sytuacji celem naszych badań jest opracowanie i weryfikacja wartości zastosowania dużych modeli poświęconych obrazom medycznym w diagnozowaniu obrazu i generowaniu raportów radiologii.