六度影院鲁鲁片在线看_亚洲av无码乱码国产精品_国产精品一二三入口播放_国产一区二区不卡高清更新

　　醫(yī)學領(lǐng)域缺乏公開可用的標注醫(yī)學圖像，這是計算研究和教育創(chuàng)新的一大障礙。與此同時，許多去標識化的圖像和豐富的知識被臨床醫(yī)生在醫(yī)學Twitter等公共平臺上分享。

　　近日，發(fā)表在《Nature Medicine》上的一篇題為“A visual–language foundation model for pathology image analysis using medical Twitter”的文章中，斯坦福大學研究團隊開發(fā)了基于視覺和語言的醫(yī)學大模型，以助力醫(yī)學診斷與知識共享。

　　在該論文中，研究人員構(gòu)建了一個名為OpenPath的大型數(shù)據(jù)集，其中包含208,414張病理圖像，每張圖像都與自然語言描述相配對。通過開發(fā)病理語言-圖像預訓練（PLIP）模型，研究人員充分展示了這一資源的價值。PLIP是一種多模態(tài)人工智能模型，能夠理解圖像和文本，它是基于OpenPath數(shù)據(jù)集進行訓練的，PLIP在對四個外部數(shù)據(jù)集進行新病理圖像分類時表現(xiàn)出色，使用戶能夠通過圖像或自然語言搜索檢索相似的病例，極大地促進了知識共享。該研究表明，公開共享的醫(yī)學信息是一個寶貴的資源，可以用于開發(fā)醫(yī)學人工智能，提升診斷、知識共享和教育水平。

　　注：此研究成果摘自《Nature Medicine》，文章內(nèi)容不代表本網(wǎng)站觀點和立場，僅供參考。