- 医学领域生成人工智能的检索增强生成模型
生成式人工智能在医学等多个领域带来了革命性的创新，然而，它也存在局限性。为应对这个问题，检索增强生成（RAG）提供了一个潜在的解决方案，使模型能够通过利用外部知识的检索来生成更准确的内容。随着生成式人工智能的快速发展，RAG 可为将这一变革 - 医学中大型语言模型与多模态大型语言模型的综述
该调查论文介绍了 LLMs 和 MLLMs 的发展背景和原则，并探讨了它们在医学中的应用场景、挑战和未来方向。通过追踪从传统模型到 LLMs 和 MLLMs 的演变，概括了模型结构以提供详细的基础知识。强调 LLMs 和 MLLMs 在医疗 - 人工智能医学数据集术语：历史回顾与建议
医学和人工智能工程代表了两个不同的领域，每个领域都有数十年的出版历史。两个有重叠术语的不同领域合作时，可能会出现沟通不畅和误解。本文通过考察历史文献，包括文章、写作指南和教材，追溯数据集术语的分歧演化及其影响。通过明确这些数据集的准确和标准 - OncoGPT: 一个基于大型语言模型元人工智能（LLaMA）的医学对话模型，专注于肿瘤学领域专业知识
开发了一种专用语言模型，通过在医生患者平台上清洗和匿名化的癌症相关对话数据集进行迭代微调，提高了模型对患者查询的理解和提供癌症相关建议的可靠性。
- 构建医学多语言语言模型的研究
我们旨在开发一个开源、多语言的医学语言模型，以使更广泛、语言多样的受众从不同地区受益。我们构建了一个新的多语言医学语料库 MMedC，其中包含约 255 亿个标记，涵盖 6 种主要语言，可用于现有通用语言模型的自回归训练。我们还提出了一个新 - 医学领域 AI 增强虚拟现实技术综述
该论文通过引入系统分类法，对 AI 增强的虚拟现实应用于医疗保健领域进行了全面调查，将相关技术和应用细分为三个类别，即可视化增强、与 VR 相关的医学数据处理和 VR 辅助干预，为对这些技术进行更全面的理解和评估提供了一个框架。据我们所知， - AAAI利用深度学习和自然语言处理预测蛋白质序列中的 ATP 结合位点
通过使用深度学习和自然语言处理算法，我们提出了一种方法来分类 ATP - 蛋白结合位点，并进行了多种实验，结果显示相比最先进的基准方法有了改进。
- 医生判断能提高模型可信度吗？以直肠癌病理性淋巴结预测为例的案例研究
解释性对于增强人工智能在医学领域的可信度至关重要，然而，关于可解释模型对临床决策实际效益的讨论仍存在多个问题，包括缺乏评估框架、医生中心评估的限制以及基于 Transformer 模型的内置注意力机制作为可解释性技术的效用不明确。通过使用临 - INSPECT: 肺栓塞诊断和预后的多模态数据集
通过整合三维医学影像和电子健康记录，我们引入了 INSPECT 数据集，其中包含 19402 名患有肺栓塞（PE）风险的患者的匿名长期记录，以及多个结果的基准标签，为评估多个重要 PE 相关任务的基线建模方法提供了一个基准。
- 医学中的大型语言模型调查：进展、应用和挑战
大型语言模型（LLMs），如 ChatGPT，因其卓越的人类语言理解和生成能力而受到广泛关注。因此，在医学领域应用 LLMs 以协助医师和患者护理成为人工智能和临床医学中一个有前景的研究方向。本调查旨在全面介绍 LLMs 在医学领域目前的进 - MeVGAN: 基于 GAN 的视频生成插件模型及其在结肠镜检查中的应用
通过使用 MeVGAN，我们能够生成质量较好的合成结肠镜检查视频，这在虚拟模拟器中有潜在应用。
- 大型语言模型阐明人工医疗助理的进展路径：综述
通过综述大型语言模型在医学领域中的应用和意义，揭示了它们在知识检索、研究支持、临床工作流自动化和诊断辅助等方面的效用，并探索了多模态语言模型以及自动化代理在医疗保健中的发展潜力。然而，为了有效地将这些模型整合到临床实践中，需要不断优化和进行 - EMNLP整合性调查心理健康对话智能体以构建计算机科学与医学观点的桥梁
通过 PRISMA 框架综合文献综述，研究了 534 篇计算机科学和医学领域发表的关于建立与心理健康相关的对话代理的论文，发现了 136 篇重要论文，重点关注对话建模和实验设计技术的多样特征，建议以透明度、伦理和文化异质性为基础，实现心理健 - 医疗健康中人工智能导致患者损伤的功能要求
欧洲议会议会研究服务总局准备了一份报告，列举了医疗和健康领域人工智能的七个主要风险：由于人工智能错误导致患者受伤、医疗人工智能工具的误用、人工智能的偏见和现有不平等的延续、缺乏透明度、隐私和安全问题、问责的漏洞以及实施中的障碍。该研究提出了 - 诊断推理提示揭示了在医学领域中大型语言模型可解释性的潜力
GPT4 可以通过使用诊断推理提示模拟临床医生的常见临床推理过程，而不会损失诊断准确性，因此它可以为医生提供评估 LLMs 是否可信赖用于患者护理的手段。新的提示方法有潜力揭示 LLMs 的黑盒子，将它们推向在医学中安全有效使用的一步。
- 基于 MobileNetV1 和 MobileNetV2 的乳腺癌性能研究
研究人工智能在医学领域的应用，主要比较 MobileNetV1 和 MobileNetV2 模型在检测 Kaggle 下载的乳腺组织病理图像方面的表现，结果显示在处理该数据集的情况下，MobileNetV1 优于 MobileNetV2。
- 网页抓取的医疗服务
网络爬虫技术可以帮助医疗保健提高患者护理、监测医疗服务质量和辨识改进领域，尤其可用于医疗行动范畴来确定最有效的护理方式，如收集患者症状和医史信息，或收集最新的医学研究和临床试验。
- 差分隐私的核心作用：在医疗 AI 模型领域转移中实现隐私保护且零性能损耗
本研究研究了在训练人工智能医疗模型时采用差分隐私的效果，结果表明差分隐私训练的数据与非差分隐私训练的数据相比，诊断精度没有明显区别，因此建议在训练诊断医疗 AI 模型时采用差分隐私以确保数据隐私。
- 融合 SE 与注意力机制的 UNet 在颅内肿瘤分割中的应用
本文提出了一种新的体系结构 ——SEEA-UNet，它结合了 Attention UNet 和 Squeeze Excitation Network 以获取空间和通道级别的信息，并使用二元焦点损失和 Jaccard 系数监控模型性能。与现有 - 运动科学与医学中的大型语言模型：机遇、风险和考虑因素
本文探讨了使用大型语言模型在体育科学和医学领域中所面临的潜在机遇、风险和挑战，并就应用大型语言模型所存在的数据偏见、保密数据曝露、有害输出产生以及与人类喜好的协调等问题进行了讨论。