AI Based Healthcare Monitoring System using IOT
1.0.0
يهدف نظام مراقبة الرعاية الصحية المقترح باستخدام إنترنت الأشياء و NLP إلى إنشاء منصة متكاملة تتضمن شريطًا ذكيًا ، وتطبيقًا للهاتف المحمول ، ونظام إجادة الأسئلة التوليدي لتسهيل مراقبة الرعاية الصحية الفعالة والمساعدة الطبية للمرضى والأطباء. يجمع النطاق الذكي علامات حيوية ويخزنها في قاعدة بيانات للوصول في الوقت الفعلي من قبل كل من المرضى ومقدمي الرعاية الصحية. نموذج صقل Biogpt-Pubmedqa-Prefix ، الذي تم تنفيذه كخط chatbot ، يساعد المرضى الذين يعانون من استفسارات طبية ويوفر وصفات أولية. بالإضافة إلى ذلك ، يعمل chatbot كمساعد للطبيب ، ويساعد الأطباء على أسئلة طبية أثناء استشارات المرضى. يعمل تطبيق الهاتف المحمول كواجهة أساسية للمستخدمين ، كل من المرضى والأطباء. ويشمل بوابات منفصلة للمرضى والأطباء ، وتقدم ميزات مميزة مصممة لاحتياجاتهم
تحقق من العرض التوضيحي والعرض التقديمي والتوثيق
| العرض التوضيحي | عرض تقديمي | الوثائق |
|---|---|---|
يعد تطبيق الهاتف المحمول بمثابة الواجهة الأساسية للمستخدمين والمرضى والأطباء. ويشمل بوابات منفصلة للمرضى والأطباء ، مما يقدم ميزات مميزة مصممة لاحتياجاتهم.
API والرموز المستخدمة في التطبيق
API_URL = "https://api-inference.huggingface.co/models/Amira2045/BioGPT-Finetuned"
headers = {"Authorization": "Bearer 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"}
يرسل Microcontroller (Arduino Nano) علامات حيوية إلى قاعدة البيانات الخاصة بنا باستخدام وحدة Wi-Fi ESP8266 ، ثم يجلب تطبيق الهاتف المحمول البيانات من قاعدة البيانات.
نموذج صقل Biogpt-pubmedqa-prefix المستخدم في عملية التثبيت هو Biogpt ، وهو نموذج لغة كبير (LLM) المستخدم في المجال الطبي ، فإن هدف النموذج الذي تم ضبطه هو الإجابة على الأسئلة الطبية. يتم نشر النموذج كخط chatbot داخل تطبيق الهاتف المحمول ، مما يسمح للمستخدمين بطلب الاستعلامات المتعلقة بالصحة وتلقي استجابات دقيقة. يعمل chatbot كمساعد طبي افتراضي ، حيث يوفر وصفات أولية وتوجيه المستخدمين بناءً على أعراضهم وتاريخهم الطبي.
| biogpt-large | biogpt-pubmedqa-prefix-tuning | |
|---|---|---|
| خسارة | 12.37 | 9.20 |
| الحيرة | 237016.3 | 1350.9 |
PubMedqa _ أسئلة للمغلق الإجابة على PubMed Abstract: تحتوي مجموعة البيانات على أسئلة حول الأبحاث الطبية الحيوية التي تغطي مجموعة واسعة من الموضوعات الطبية الحيوية ، بما في ذلك الأمراض والعلاجات والجينات والبروتينات والمزيد. PubMedqa هي واحدة من مجموعات بيانات MultimedQA (معيار للإجابة على الأسئلة الطبية). تتكون PubMedQA من خبير 1K المسمى ، 61.2K غير المسماة ، و 211.3K تم إنشاؤه بشكل مصطنع مثيلات ضمان الجودة مع الإجابات YES/NO/ربما متعدد الخيارات والإجابات الطويلة التي أعطيت سؤالًا مع ملخص PubMed كسياق.
يمكن استخدام Biogpt ، التي أعلنتها Microsoft ، لتحليل البحوث الطبية الحيوية بهدف الإجابة على الأسئلة الطبية الحيوية ويمكن أن تكون ذات صلة بشكل خاص بمساعدة الباحثين على اكتساب رؤى جديدة.
Biogpt هو نوع من نموذج اللغة التوليدي ، والذي يتم تدريبه على ملايين مقالات البحث الطبية الحيوية التي تم نشرها بالفعل. هذا يعني في الأساس أن Biogpt يمكنه استخدام هذه المعلومات لأداء مهام أخرى مثل الإجابة على الأسئلة ، واستخراج البيانات ذات الصلة ، وتوليد النص ذي الصلة بالطبية الحيوية.
استخدم الباحثون GPT-2 XL كنموذج أساسي وقاموا بتدريبه على 15 مليون ملخص PubMed قبل استخدامه في العالم الحقيقي. GPT-2 XL هو وحدة فك ترميز محول تحتوي على 48 طبقة ، و 1600 أحجام مخفية و 25 رأسًا لانتباه مما يؤدي إلى إجمالي معلمات 1.5B.
إعداد النقل الدقيق: أجرينا موجهًا ناعمًا في تقنية ضبط البادئة على طراز Biogpt الكبير 1.5B . تم ضبط طول الرموز الافتراضية على 10 ، مما يسمح لنا بالتركيز على سياق محدد ضمن تسلسل الإدخال. من خلال تجميد الأجزاء المتبقية من النموذج ، حصرنا عدد المعلمات القابلة للتدريب إلى 1.5 مليون . أثناء عملية التدريب ، استخدمنا TPU VM V3-8 بحجم دفعة 8 و num_warmup_steps = 1000 و gradient_accumulation_steps = 4 و Weight_Decay = 0.1 ، وقد مكننا ذلك من تنفيذ إجراء التدريب على مدار 24 خطوة ، مع كل خطوة تتضمن معالجة 1024 tokens. تم استخدام Optimizer ADAM ، باستخدام معدل التعلم الذروة البالغ 1 × 10−5 لتحسين أداء النموذج على مدار 3 عصر.
يتم استضافة نموذج BioGpt المحدد على وجه المعانقة ، استخدمنا واجهة برمجة التطبيقات التالية لنشر النموذج على تطبيق الهاتف المحمول الخاص بنا.
API_URL = "https://api-inference.huggingface.co/models/Amira2045/BioGPT-Finetuned"
headers = {"Authorization": "Bearer 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"}
يرسل Microcontroller (Arduino Nano) علامات حيوية إلى قاعدة البيانات الخاصة بنا باستخدام وحدة Wi-Fi ESP8266 ، ثم يجلب تطبيق الهاتف المحمول البيانات من قاعدة البيانات.
