Mar, 2022

TCM-SD：中医证候辨识基准数据集

PDF
TL;DR研究表明，利用人工智能技术（例如自然语言处理）可以信息化和智能化传统中医诊疗系统，但现有的数据集不足以支持数据驱动的人工智能技术在中医上的进一步发展。因此，本研究聚焦于中医诊疗系统的核心任务 —— 证候辨析，并介绍了首个涵盖 148 种证候的大规模数据集（TCM-SD），并提出了一种领域特定的预训练语言模型（ZY-BERT），通过深度神经网络的实验建立了强大的性能基线，揭示了证候辨析的各种挑战，并证明了领域特定的预训练语言模型的潜力。研究和分析揭示了结合计算机科学和语言学知识探索中医理论经验验证的机会。
traditional chinese medicinesyndrome differentiationtcm diagnosisnatural language processingpre-trained language model
发现论文，激发创造
  • TCMD：一个用于评估大型语言模型的中医问答数据集

    通过引入新的医学问答数据集 TCMD，本文评估了不同领域通用语言模型和医学领域特定语言模型在中医领域的能力，并分析了它们在中医问答任务中的鲁棒性及其存在的不足。希望该数据集进一步促进中医领域通用语言模型的发展。

    Jun, 2024

  • TCMBench：中医药领域大型语言模型综合评估基准

    介绍了 TCM-Bench 综合评估 TCM 中大型语言模型性能的基准，提出了 TCMScore 作为评估 TCM 问题回答质量的指标，并从不同角度进行了综合实验分析，突出了大型语言模型在 TCM 领域的能力和局限性。

    Jun, 2024

  • TCM-GPT：中医领域自适应大型语言模型的高效预训练

    我们提出了一种新颖的领域特定的中医数据自适应方法，通过使用领域特定语料库对模型进行高效预训练和微调，实现与中医相关任务的高效对齐。我们在两个中医任务上进行了广泛的实验，TCM-GPT-7B 在准确性方面表现最好，分别在准确性上相对增加了 17% 和 12%，在 TCM 领域中验证了拥有 70 亿参数的大型语言模型的领域自适应效果。

    Nov, 2023

  • 綺柏：一個針對中醫藥的大型語言模型

    本研究旨在为大型模型赋予中医理论特色的专业知识，以构建和组织一个中医领域的专业语料库，并成功基于 LLaMA 开发出首个经历从预训练到监督微调完整训练流程的中医领域大型模型 Qibo。此外，我们还开发了用于评估中医领域大型模型性能的专用工具 Qibo-benchmark，为对不同模型的理解和应用能力在传统中医领域进行量化和比较提供重要依据，并为中医智能助手未来研究方向和实际应用提供指导。最终，我们进行了充分的实验证明 Qibo 在中医领域具有良好的性能。

    Mar, 2024

  • RoKEPG: RoBERTa 和知识增强在中药处方生成中的应用

    提出了一种 RoBERTa 和知识增强模型（RoKEPG）用于传统中药方药生成，通过引入四类中医知识，RoKEPG 模型在公开可用的中药方药数据集上改进了基线模型的 F1 指标约 2%。

    Nov, 2023

  • 探索 ChatGPT 对中医知识的理解

    使用大型语言模型研究中医药学领域的知识召回和综合推理能力，通过 TCM-QA 数据集评估 LLM 在零样本和少样本设置下的表现，讨论中英提示的差异，结果显示 ChatGPT 在判断题中取得最高精度 0.688，多选题中最低精度为 0.241，中文提示在评估中表现更好，同时评估 ChatGPT 生成的解释质量及其对中医药学知识理解的潜在贡献，为 LLM 在专业领域的适用性提供了有价值的见解，并促进了未来基于这些强大模型推进中医药学研究的方向。

    Mar, 2024

  • 对西班牙临床文本进行症状识别的精调大型语言模型

    通过使用大规模语言模型与数据结合，本研究参与了一个在西班牙医学文档中检测症状、体征和发现的任务，旨在准确识别临床报告中的症状，并在医疗保健、生物医学自然语言处理领域发挥重要作用，为临床决策支持系统的开发和医疗专业人员的诊断和治疗规划提供帮助。

    Jan, 2024

  • 通过大型语言模型合成数据检测难治性抑郁的临床特征

    通过大型语言模型和 BERT 基于跨度抽取模型，能够提取和标记与难治性抑郁症相关的各种正面和负面因素的文本跨度，为未来医疗应用提供了希望。

    Feb, 2024

  • 基于基础模型的大型语言模型在传统韩国医学中的潜在应用：文化适应医疗的探讨

    本文研究了使用 GPT-3.5 和 GPT-4 模型对韩国医师国家考试中的传统韩医问题进行回答，并发现这些模型可以在没有特定培训的情况下接近通过的表现。除了文化偏差学习的限制外，这些模型在传统韩医领域的临床辅助、医学教育和医学研究中具有潜力。

    Mar, 2023

  • MedChatZH：一个更好的医疗顾问从更好的指南中学习

    使用生成型的大型语言模型，在中医问答领域表现令人不满意，本研究引入了一个专门为中医问答设计的对话模型 MedChatZH，该模型在中医经典著作上进行预训练，并结合医学指南数据进行精细调优，在真实的医学对话数据集上胜过了几个基线模型。我们在链接上发布了我们的模型、代码和数据集，以促进传统中医和大型语言模型领域的进一步研究。

    Sep, 2023