Feb, 2024

PRECISE 框架：基于 GPT 的文本，改进了放射学报告的可读性、可靠性和可理解性，以实现以患者为中心的护理

PDF
TL;DR使用 OpenAI 的 GPT-4 改进病人参与度，提供更易读和易理解的六年级读物水平的胸部 X 光报告的 PRECISE 框架，在 500 份报告上进行测试，证明了在可读性、可靠性和可理解性方面的显著改进。统计分析结果确认了 PRECISE 方法的有效性，并强调其在医疗决策中促进以患者为中心的护理交付的潜力。
发现论文，激发创造
  • XrayGPT: 医学视觉语言模型用于胸部 X 光摘要

    本研究介绍了 XrayGPT，一种新型的会话式医疗视觉 - 语言模型，可以分析并回答关于胸部 X 光片的开放式问题。通过将医疗视觉编码器 MedClip 与微调的大型语言模型 Vicuna 进行对齐，并使用简单的线性变换，我们的模型能够具备出色的视觉会话能力，从而深入理解放射学和医学领域的知识。

    Jun, 2023

  • 评估带有视觉能力的 GPT-4 对胸部 X 光片的放射学发现的检测

    GPT-4V 多模态大型语言模型在检测胸部 X 光片的放射学发现方面的应用研究表明，目前 GPT-4V 还不具备解读胸部 X 光片的实际诊断能力。

    Mar, 2024

  • 评估 GPT-4 对胸部 X 射线诊断印象生成的效果：基于性能和认知的读者研究

    通过评估 GPT-4 对于胸部 X 射线的生成能力，本研究探讨了基于多模态基础模型的放射学印象生成的潜力，发现放射学评估与常见自动评估指标存在显著差异，并暴露了 AI 生成结果存在潜在偏见的问题。

    Nov, 2023

  • 使用 ChatGPT 和 GPT-4 进行提示学习的放射学报告翻译成简明语言：结果、限制和潜力

    本研究调查了使用 ChatGPT 将放射学报告翻译成简明语言以提高医疗保健的可行性，并将 ChatGPT 与 GPT-4 进行比较，结果发现 GPT-4 可以显著提高翻译的质量。

    Mar, 2023

  • ImpressionGPT: 面向放射学报告摘要的迭代优化框架和 ChatGPT

    提出了 ImpressionGPT，利用建立动态上下文的方法，使模型通过语言模型的上下文学习能力获得从现有数据中语义相似的示例的上下文知识，并设计一种迭代优化算法，用于对生成的印象结果进行自动评估和对应的指令提示，从而在不需要额外训练数据或微调语言模型的情况下在 MIMIC-CXR 和 OpenI 数据集上实现了最佳性能。

    Apr, 2023

  • 基于生成预训练变压器的医学图像描述

    本文提出了一种自动生成医疗记录摘要的方法，结合对前胸透视 X 光扫描的分析和来自放射学记录的结构化患者信息，使用 Show-Attend-Tell 和 GPT-3 两种语言模型生成具体和描述性的放射学记录，并在 Open-I、MIMIC-CXR 和 MS-COCO 等医疗数据集上进行测试，结果表明其能够有效地应用于胸部 X 光图像字幕生成和病理定位。

    Sep, 2022

  • 将 ChatGPT 集成到安全医院网络：以改进放射学报告分析为案例研究

    通过对比学习的独特句级知识蒸馏方法，本研究首次在医院内将类似 ChatGPT 的基于云的 AI 模型转化为安全模型，用于分析放射学报告并优先考虑患者数据隐私。我们实现了超过 95% 的异常检测准确率，并可以准确标记预测的不确定性，提高了医生的可靠性和可解释性，从而在医疗保健领域为开发安全高效的 AI 工具取得重要进展，为无监督的医院内 AI 应用提供了有希望的未来。

    Feb, 2024

  • 使用 OpenAI GPT 模型进行检索增强的胸部 X 射线报告生成

    该研究提出了检索增强生成 (RAG) 作为自动放射学报告撰写的一种方法，它利用对齐的多模态嵌入来检索相关的候选放射学文本，并使用 OpenAI 的文本生成模型进行报告生成，该方法可以更好地满足不同临床设置的需求。

    May, 2023

  • CheX-GPT：利用大型语言模型增强胸部 X 射线报告标注

    通过使用设计精心的提示，我们展示了 GPT 作为熟练标注器的潜力。利用只有 GPT 标记的数据，我们训练了基于 BERT 的标注器 CheX-GPT，其操作速度更快、更高效。为了评估标注器的性能，我们引入了一个公开可用的专家标注测试集 MIMIC-500，包含来自 MIMIC 验证集的 500 个案例。我们的研究结果证明了 CheX-GPT 不仅在标注准确性上优于现有模型，而且在效率、灵活性和可扩展性方面也表现出色，得益于我们引入的 MIMIC-500 数据集进行强大的基准测试。代码和模型可以在此链接找到。

    Jan, 2024

  • GPT-4V 在医学影像中的多模态能力综合研究

    这篇论文全面评估了 GPT-4V 在不同的医学图像任务中的能力，包括放射学报告生成、医学视觉问答和视觉基础。我们的研究首次对公开可用的基准进行了定量评估，发现了 GPT-4V 在为胸部 X 射线图像生成描述性报告方面的潜力，特别是在有良好结构提示的引导下。然而，我们的发现也揭示了 GPT-4V 在某些评估指标（如 CIDEr）上仍需改进，尤其是在 MIMIC-CXR 数据集基准上。在医学问答方面，虽然 GPT-4V 在区分问题类型方面表现出了熟练度，但在准确性方面还不及现有基准。此外，我们的分析发现了常规评估指标（如 BLEU 分数）的局限性，倡导发展更语义鲁棒的评估方法。在视觉基础领域，虽然 GPT-4V 在识别边界框方面显示了初步的潜力，但其精度不够，特别是在识别特定的医学器官和病症方面。我们的评估强调了 GPT-4V 在医学图像领域的重要潜力，同时也强调了需要针对性的改进来充分发挥其能力。

    Oct, 2023