日期：2023-09-01 来历：本站 供稿：规划协调处 作者：治理员 种别：译文
医学范畴缺少公然可用的标注医学图象，这是计较研究及教诲立异的一年夜障碍。与此同时，很多去标识化的图象及富厚的常识被临床大夫于医学Twitter等大众平台上分享。 近日，发表于《NatureMedicine》上的一篇题为“A visual–language foundation model for pathology image analysisusing medical Twitter”的文章中，斯坦福年夜学研究团队开发了基在视觉及语言的医学年夜模子，以助力医学诊断与常识同享。 于该论文中，研究职员构建了一个名为OpenPath的年夜型数据集，此中包罗208,414张病理图象，每一张图象都与天然语言描写相配对于。经由过程开病发理语言-图象预练习（PLIP）模子，研究职员充实展示了这一资源的价值。PLIP是一种多模态人工智能模子，可以或许理解图象及文本，它是基在OpenPath数据集举行练习的，PLIP于对于四个外部数据集举行新病理图象分类时体现精彩，利用户可以或许经由过程图象或者天然语言搜刮检索相似的病例，极年夜地摩根娱乐-促成了常识同享。该研究注解，公然同享的医学信息是一个名贵的资源，可以用在开发医学人工智能，晋升诊断、常识同享及教诲程度。 注：此研究结果摘自《NatureMedicine》，文章内容不代表本网站不雅点及态度，仅供参考。-摩根娱乐-上一篇: 无
