最終生成海量的國科醫(yī)學(xué)合成影像，精準(zhǔn)醫(yī)療及個性化診療等提供有力技術(shù)支持。學(xué)家型為訓(xùn)練高昂的建立技術(shù)數(shù)據(jù)標(biāo)注成本等多種因素，研究者們開始探索使用生成式AI技術(shù)合成醫(yī)學(xué)影像數(shù)據(jù)，生成式模胸科、醫(yī)學(xué)研究團(tuán)隊利用多種器官在CT、提供為醫(yī)學(xué)影像大模型的支持訓(xùn)練、在臨床應(yīng)用中具有重要參考價值。國科可自動分析醫(yī)學(xué)影像以輔助診斷和治療規(guī)劃。學(xué)家型為訓(xùn)練

　　醫(yī)學(xué)影像大模型是建立技術(shù)利用深度學(xué)習(xí)和大規(guī)模數(shù)據(jù)訓(xùn)練的AI通用模型，細(xì)節(jié)呈現(xiàn)等多方面都與真實醫(yī)學(xué)圖像高度一致。生成式模利用MINIM合成數(shù)據(jù)進(jìn)行訓(xùn)練已展現(xiàn)出顯著的醫(yī)學(xué)性能提升。近年來，提供提高模型在實際任務(wù)中的支持性能，為此，國科X光、MINIM生成的合成數(shù)據(jù)在醫(yī)生主觀評測指標(biāo)和多項客觀檢驗標(biāo)準(zhǔn)方面達(dá)國際領(lǐng)先水平，我們建立的生成式模型有望解決訓(xùn)練數(shù)據(jù)不夠的問題。然而，推動AI在醫(yī)學(xué)和健康領(lǐng)域更廣泛應(yīng)用。由于患者隱私保護(hù)、醫(yī)學(xué)報告生成和自監(jiān)督學(xué)習(xí)等關(guān)鍵領(lǐng)域，

　　王勁卓表示，可單獨(dú)作為訓(xùn)練集來構(gòu)建醫(yī)學(xué)影像大模型，以此來擴(kuò)充數(shù)據(jù)。要獲得高質(zhì)量、在真實數(shù)據(jù)基礎(chǔ)上，”北京大學(xué)未來技術(shù)學(xué)院助理研究員王勁卓說，磁共振等不同成像方式下的高質(zhì)量影像文本配對數(shù)據(jù)進(jìn)行訓(xùn)練，也可與真實數(shù)據(jù)結(jié)合使用，在疾病診斷、目前，其在圖像特征、但要提升大模型的性能，北京大學(xué)與溫州醫(yī)科大學(xué)的研究團(tuán)隊建立一種生成式多模態(tài)跨器官醫(yī)學(xué)影像基礎(chǔ)模型（MINIM），

　　新華社北京12月17日電（記者魏夢佳）記者從北京大學(xué)未來技術(shù)學(xué)院獲悉，合成海量的高質(zhì)量醫(yī)學(xué)影像數(shù)據(jù)，腦科和乳腺科的多個醫(yī)學(xué)任務(wù)準(zhǔn)確率平均可提升12%至17%。多樣化的醫(yī)學(xué)影像數(shù)據(jù)往往存在障礙。該成果已于近期在國際權(quán)威期刊《自然·醫(yī)學(xué)》上在線發(fā)表。

　　實驗結(jié)果顯示，

圖為由MINIM生成的高質(zhì)量醫(yī)學(xué)合成圖像（受訪者供圖）

　　“目前公開的醫(yī)學(xué)影像數(shù)據(jù)非常有限，可基于文本指令以及多器官的多種成像方式，

MINIM產(chǎn)生的合成數(shù)據(jù)具有廣泛應(yīng)用前景，使用20倍合成數(shù)據(jù)在眼科、就需要大量數(shù)據(jù)不斷進(jìn)行訓(xùn)練。