หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

medical_nlp

สรุปการประเมิน/การแข่งขันโดเมน NLP การแพทย์ชุดข้อมูลกระดาษและทรัพยากรแบบจำลองที่ผ่านการฝึกอบรมมาก่อน

สรุปการประเมิน/การแข่งขัน NLP การแพทย์ชุดข้อมูลเอกสารและโมเดลที่ผ่านการฝึกอบรมมาก่อน

ข่าว

  • - 2024/11/14 เพิ่ม 4. VLM数据集, 5.3 医疗VLM , 5.4 医疗VLM Benchmark ในอนาคตการมุ่งเน้นคือการรักษาทรัพยากรที่เกี่ยวข้องที่เกี่ยวข้องกับทิศทางของการบำรุงรักษา VLM ทางการแพทย์ Repo จะได้รับการดูแลโดย Rongsheng Wang
  • - ก่อนปี 2024/11/14 ขณะที่ Cris Lee ออกจากสนามการแพทย์ NLP ในปี 2021 ตอนนี้ repo นี้ได้รับการดูแลโดย Xidong Wang, Ziyue Lin, Jing Tang

สารบัญ

  • 1. การประเมินผล
    • 1.1 การประเมินเกณฑ์มาตรฐานทางการแพทย์ของจีน: CMB / CMEXAM / PROTCHCBLUE
    • 1.2 การประเมินมาตรฐานการแพทย์ภาษาอังกฤษ:
  • 2. การแข่งขัน
    • 2.1 การแข่งขันอย่างต่อเนื่อง
    • 2.2 เกมจบ
  • 3. ชุดข้อมูล LLM
    • 3.1 จีน
    • 3.2 ภาษาอังกฤษ
  • 4. ชุดข้อมูล VLM
  • 5. โมเดลโอเพนซอร์สที่ผ่านการฝึกอบรมมาก่อน
    • 5.1 การแพทย์ PLM
    • 5.2 การแพทย์ LLM
    • 5.3 การแพทย์ VLM
    • 5.4 เกณฑ์มาตรฐาน VLM การแพทย์
  • 6. เอกสารที่เกี่ยวข้อง
    • 6.1 เอกสารที่อาจเป็นประโยชน์ในยุคหลัง Chatgpt
    • 6.2 บทความภาพรวม
    • 6.3 บทความเฉพาะงาน
    • 6.4 ดัชนีการประชุม
  • 7. ชุดเครื่องมือโอเพ่นซอร์ส
  • 8. โซลูชั่นผลิตภัณฑ์เกรดอุตสาหกรรม
  • 9. การแบ่งปันบล็อก
  • 10. ลิงก์ที่เป็นมิตร

1. การประเมินผล

1.1 การประเมินเกณฑ์มาตรฐานทางการแพทย์ของจีน: CMB / CMEXAM / PROTCHCBLUE

  • CMB

    • ที่อยู่: https://github.com/freedomintelligence/cmb
    • ที่มา: การสอบในงานทางการแพทย์ทางคลินิกต่างๆในทุกขั้นตอน; การปรึกษาหารือเกี่ยวกับกรณีที่ซับซ้อนทางคลินิก

  • cmexam

    • ที่อยู่: https://github.com/williamliujl/cmexam
    • ที่มา: การตรวจสอบคุณสมบัติของแพทย์ภาคปฏิบัติในปีก่อนคำถาม

  • พรอมต์

    • ที่อยู่: https://github.com/michael-wzhu/promptcblue
    • ที่มา: cblue

  • พรอมต์

    • ที่อยู่: https://github.com/cbluebenchmark/cblue
    • ที่มา: ชุดข้อมูลของการแข่งขันประเมินผลทางวิชาการก่อนหน้านี้และธุรกิจการค้นหาทางการแพทย์ของ Ali Quark

  • มื้อใหญ่

    • ที่อยู่: https://arxiv.org/abs/2312.12806
    • ที่มา: มีคำถาม 40,041 คำถามจากการสอบทางการแพทย์และรายงานครอบคลุมความเชี่ยวชาญทั้งหมด

1.2 การประเมินมาตรฐานการแพทย์ภาษาอังกฤษ:

  • MultimedBench

    • บทนำ: มันเป็นรูปแบบการสร้างแบบหลายรูปแบบขนาดใหญ่ที่ได้มาจาก Google
↥กลับไปด้านบน

2. การแข่งขัน

2.1 การแข่งขันอย่างต่อเนื่อง

  • คำพิพากษาของคำค้นหาการค้นหาทางการแพทย์

    • ที่อยู่: https://tianchi.aliyun.com/competition/entrance/532001/introduction
    • ที่มา: Alibaba Tianchi

2.2 เกมจบ

2.2.1 การแข่งขันภาษาอังกฤษ

  • Bionlp Workshop 2023 งานที่ใช้ร่วมกัน

    • ที่อยู่: https://aclweb.org/aclwiki/bionlp_workshop#shared_tasks_2023
    • ที่มา: Bionlp Workshop

  • Medvidqa 2023

    • ที่อยู่: https://medvidqa.github.io/index.html
    • ที่มา: สถาบันสุขภาพแห่งชาติ

  • Mediqa-20121

    • ที่อยู่: https://sites.google.com/view/mediqa2021
    • ที่มา: NAACL-BIONLP 2021 เวิร์กช็อป

  • การแข่งขัน ICLR-20121 ระหว่างประเทศสำหรับการสร้างบทสนทนาทางการแพทย์และการวินิจฉัยอัตโนมัติ

    • ที่อยู่: https://mlpcp21.github.io/pages/challenge
    • ที่มา: ICLR 2021 Workshop

2.2.2 การแข่งขันจีน

  • การถ่ายภาพ NLP - การสร้างรายงานการวินิจฉัยการถ่ายภาพทางการแพทย์

    • ที่อยู่: https://gaiic.caai.cn/ai2023/
    • แหล่งที่มา: 2023 เทคโนโลยีปัญญาประดิษฐ์ระดับโลกนวัตกรรมการแข่งขันการแข่งขัน 1

  • ความท้าทาย Triage อย่างง่ายสำหรับข้อกำหนดโรคที่ไม่ได้มาตรฐาน 2.0

    • ที่อยู่: http://challenge.xfyun.cn/topic/info?type=disease-claims-2022&ch=ds22-dw-sq03
    • ที่มา: iflytek

  • งานประเมินผลการประชุมการประมวลผลข้อมูลสุขภาพจีนครั้งที่ 8 (Chip2022)

    • ที่อยู่: http://cips-chip.org.cn/
    • ที่มา: Chip2022

  • IFLYTEK-MEDICAL BINGE และความท้าทายการระบุความสัมพันธ์

    • ที่อยู่: http://www.fudan-disc.com/sharedtask/imcs21/index.html
    • ที่มา: iflytek

  • "ตับ" นั้นนุ่มและนุ่มและแบบจำลองขนาดใหญ่สร้างรูปแบบใหม่ของบริการแบบโต้ตอบสำหรับแพทย์และผู้ป่วยที่เป็นโรคตับ

    • ที่อยู่: http://www.fudan-disc.com/sharedtask/imcs21/index.html เดียวกัน
    • ที่มา: คณะกรรมการจัดงานการประชุมสุดยอด Digital China Construction Summit
↥กลับไปด้านบน

3. ชุดข้อมูล LLM

3.1 จีน

  • Huatuo-26m

    • ที่อยู่: https://github.com/freedomintelligence/huatuo-26m
    • บทนำ: Huatuo-26M เป็นคำถามการแพทย์แผนจีนที่ใหญ่ที่สุดและชุดข้อมูลคำตอบ

  • ชุดข้อมูลบทสนทนาทางการแพทย์ของจีน

    • ที่อยู่: https://github.com/toyhom/chinese-medical-dialogue-data
    • บทนำ: ข้อมูลตอบคำถามทางการแพทย์ที่มีหกแผนก

  • cblue

    • ที่อยู่: https://github.com/cbluebenchmark/cblue
    • บทนำ: ครอบคลุมการสกัดข้อมูลข้อความทางการแพทย์ (การรับรู้เอนทิตี, การสกัดความสัมพันธ์)

  • CmedQa2 (108K)

    • ที่อยู่: https://github.com/zhangsheng93/cmedqa2
    • บทนำ: คำถามและตอบคำถามมากกว่า 100,000 ชุดในการแพทย์แผนจีน

  • XYWY-KG (294K TRIPLE)

    • ที่อยู่: https://github.com/baiyang2464/chatbot-base-on-knogyledge-graph
    • บทนำ: 44.1K Entity 294.1K Triple

  • 39Health-KG (210K สาม)

    • ที่อยู่: https://github.com/zhihao-chen/qasystemonmedicalgraph
    • บทนำ: รวมถึง 15 รายการของข้อมูลรวมถึง 7 ประเภทของหน่วยงานประมาณ 37,000 หน่วยงานและความสัมพันธ์ของนิติบุคคล 210,000

  • ระบบการแพทย์

    • ที่อยู่: https://github.com/ucsd-ai4h/medical-dialogue-system
    • ชุดข้อมูล MedDialog (จีน) มีการสนทนาระหว่างแพทย์และผู้ป่วย (จีน) ชุดข้อมูลนี้มีการสนทนา 1.1 ล้านครั้งและ 4 ล้านข้อความ ข้อมูลยังคงเพิ่มขึ้นและจะมีการเพิ่มการสนทนามากขึ้นในอนาคต

  • ข้อมูลการสนทนาทางการแพทย์ของจีน

    • ที่อยู่: https://github.com/toyhom/chinese-medical-dialogue-data
    • ชุดข้อมูลนี้มีข้อมูลทั้งหมด 792,099 ข้อมูลจากหกแผนกที่แตกต่างกันรวมถึงศัลยกรรมกระดูกกุมารเวชศาสตร์สูติศาสตร์และนรีเวชวิทยา, อายุรศาสตร์, การผ่าตัดและมะเร็งวิทยา

  • Yidu-S4K

    • ที่อยู่: http://openkg.cn/dataset/yidu-s4k
    • บทนำ: การจดจำเอนทิตี, เอนทิตีและการสกัดแอตทริบิวต์

  • Yidu-N7K

    • ที่อยู่: http://openkg.cn/dataset/yidu-n7k
    • บทนำ: มาตรฐานภาษาทางคลินิก

  • ชุดคำถามยาและคำตอบ

    • ที่อยู่: https://github.com/zhangsheng93/cmedqa2
    • บทนำ: คำถามและคำตอบทางการแพทย์

  • คำถามเกี่ยวกับแพทย์และผู้ป่วยชาวจีนและคำตอบข้อมูลการสนทนา

    • ที่อยู่: https://github.com/ucsd-ai4h/medical-dialogue-system
    • บทนำ: คำถามและคำตอบทางการแพทย์

  • CPUBMED-KG (4.4M สาม)

    • ที่อยู่: https://cpubmed.openi.org.cn/graph/wiki
    • บทนำ: ข้อมูลวารสารข้อความเต็มคุณภาพสูงของสมาคมการแพทย์จีน

  • กราฟความรู้ทางการแพทย์ของจีน CMEKG (1M สาม)

    • ที่อยู่: http://cmekg.pcl.ac.cn/
    • บทนำ: CMEKG (กราฟความรู้ทางการแพทย์ของจีน)

  • การประเมิน Chip ปีที่ผ่านมา (การประเมินอย่างเป็นทางการ)

    • ที่อยู่: http://cips-chip.org.cn/2022/callforeval; http://www.cips-chip.org.cn/2021/; http://cips-chip.org.cn/2020/
    • บทนำ: การประเมิน Chip ปีที่ผ่านมา (การประเมินอย่างเป็นทางการ)

  • ชุดข้อมูลโรคเบาหวานโรงพยาบาล Ruijin (โรคเบาหวาน)

    • ที่อยู่: https://tianchi.aliyun.com/competition/entrance/231687/information
    • บทนำ: ชุดข้อมูลโรคเบาหวานโรงพยาบาล Ruijin (โรคเบาหวาน)

  • Tianchi Covid-19 การแข่งขันจับคู่การแข่งขัน (ใหม่ coronavirus)

    • ที่อยู่: https://tianchi.aliyun.com/competition/entrance/231776/information
    • บทนำ: ข้อมูลของการแข่งขันนี้รวมถึง: คู่ข้อมูลปัญหาทางการแพทย์และข้อมูลการติดฉลากหลังจาก desensitization

3.2 ภาษาอังกฤษ

  • การตัดยา

    • ที่อยู่: https://github.com/chanzuckerberg/medmentions
    • บทนำ: ชุดข้อมูลการเชื่อมโยงเอนทิตีชีวการแพทย์ตาม PubMed Abstract

  • WebMedqa

    • ที่อยู่: https://github.com/hejunqing/webmedqa
    • บทนำ: คำถามและคำตอบทางการแพทย์

  • ดาวรุ่ง

    • ที่อยู่: https://www.siphs.org/
    • บทนำ: ข้อมูลการเชื่อมโยงเอนทิตีทางการแพทย์ในโซเชียลมีเดีย เผยแพร่เมื่อ EMNLP2020

  • PubMedqa

    • ที่อยู่: https://arxiv.org/abs/1909.06146
    • บทนำ: ชุดข้อมูลตอบคำถามทางการแพทย์ตามสารสกัด PubMed

  • Mediqa

    • ที่อยู่: https://sites.google.com/view/mediqa2021
    • บทนำ: ข้อความสรุป

  • ชุดข้อมูล chatdoctor -1

    • ที่อยู่: https://drive.google.com/file/d/1lyfqiwllsclhgrcutwuee_iacnq6xnut/view?usp=sharing
    • บทนำ: 100,000 บทสนทนาจริงระหว่างผู้ป่วยและแพทย์จาก HealthCaremagic.com

  • ชุดข้อมูล ChatDoctor-2

    • ที่อยู่: https://drive.google.com/file/d/1zkbQgyqwc7djhs3n9tqyqvpdddqmzacla/view?usp=sharing
    • บทนำ: การสนทนาจริง 10K ระหว่างผู้ป่วยและแพทย์จาก iCliniq.com

  • เครื่องทางชีวภาพ

    • ที่อยู่: https://github.com/bio-nlp/bioinstruct
    • บทนำ: คำแนะนำมากกว่า 25,000 คำแนะนำสำหรับงานด้านชีวการแพทย์รวมถึง แต่ไม่ จำกัด เฉพาะคำถามและคำตอบ (QA) การสกัดข้อมูล (เช่น) และการสร้างข้อความ

  • ข้อมูล Visual Med-Alpaca

    • ที่อยู่: https://github.com/cambridgeltl/visual-med-alpaca/tree/main/data
    • บทนำ: ข้อมูลสำหรับการฝึกอบรม Visual Med-Alpaca ที่ได้มาจาก Bigbio, Roco และ GPT-3.5-turbo

  • chexpert plus

    • ที่อยู่: https://github.com/stanford-aimi/chetrit-plus
    • บทนำ: ชุดข้อมูลข้อความที่ใหญ่ที่สุดที่ตีพิมพ์ในด้านรังสีวิทยามีโทเค็นตำราทั้งหมด 36 ล้านรายการที่มีภาพคุณภาพสูงในรูปแบบ dicom รวมถึงภาพจำนวนมากและเมตาดาต้าของผู้ป่วยครอบคลุมกลุ่มคลินิกและสังคมที่หลากหลาย
↥กลับไปด้านบน

4. ชุดข้อมูล VLM

ชุดข้อมูล กระดาษ คนอื่น ๆ คำสำคัญ
Medtrinity-25m การเชื่อมโยง การเชื่อมโยง 25 million images , 10 modalities , 65 diseases , VQA , EN
llava-med การเชื่อมโยง การเชื่อมโยง 630k images , VQA , EN
จีน-ลลา-เมด - การเชื่อมโยง 60k images , VQA , ZH
Huatuogpt-Vision การเชื่อมโยง การเชื่อมโยง 647k images , VQA , EN
medvidqa การเชื่อมโยง การเชื่อมโยง 7k videos , VQA , EN
chimed-vl การเชื่อมโยง การเชื่อมโยง 1M images , VQA , EN , ZH
รัศมี การเชื่อมโยง การเชื่อมโยง 16M images , 5000 diseases , VQA , EN , 2D/3D
biomedparsedata การเชื่อมโยง การเชื่อมโยง 6.8 million image-mask-description 45 biomedical image segmentation datasets , 9 modalities , EN , 2D
Omnimedvqa การเชื่อมโยง การเชื่อมโยง 118,010 images , 12 modalities , 2D , 20 human anatomical regions
prect การเชื่อมโยง การเชื่อมโยง 160K volumes , 42M slices , 3D , CT
GMAI-VL-5.5M การเชื่อมโยง การเชื่อมโยง 5.5m image and text , 219 specialized medical imaging datasets , 2D , VQA
SA-MED2D-20M การเชื่อมโยง การเชื่อมโยง 4.6 million 2D medical images and 19.7 million corresponding masks , 2D , EN
บึง IMIS การเชื่อมโยง การเชื่อมโยง 6.4 million images, 273.4 million masks (56 masks per image), 14 imaging modalities, and 204 segmentation targets EN 204
↥กลับไปด้านบน

5. โมเดลโอเพนซอร์สที่ผ่านการฝึกอบรมมาก่อน

5.1 การแพทย์ PLM

  • Biobert:

    • ที่อยู่: https://github.com/naver/biobert-pretrained
    • บทนำ: Biobert เป็นรูปแบบการเป็นตัวแทนภาษาในสาขาวิทยาศาสตร์ชีวการแพทย์ซึ่งใช้เป็นพิเศษสำหรับงานการขุดข้อความทางชีวการแพทย์เช่นการจดจำเอนทิตีทางชีวการแพทย์ชื่อการสกัดความสัมพันธ์คำถามและคำตอบ ฯลฯ ฯลฯ

  • บลูเบิร์ต:

    • ที่อยู่: https://github.com/ncbi-nlp/blue_benchmark
    • บทนำ: เกณฑ์มาตรฐานสีน้ำเงินประกอบด้วยงานการขุดข้อความทางชีวการแพทย์ 5 รายการและ 10 คลังข้อมูล เกณฑ์มาตรฐานสีน้ำเงินขึ้นอยู่กับชุดข้อมูลที่มีอยู่แล้วเนื่องจากชุมชน BionLP ใช้กันอย่างแพร่หลายเป็นงานที่ใช้ร่วมกัน งานเหล่านี้ครอบคลุมประเภทข้อความที่หลากหลาย (วรรณกรรมชีวการแพทย์และบันทึกทางคลินิก) ขนาดและความยากลำบากของชุดข้อมูลและที่สำคัญกว่านั้นคือเน้นความท้าทายในการขุดข้อความชีวการแพทย์ทั่วไป

  • Bioflair:

    • ที่อยู่: https://github.com/flairnlp/flair
    • บทนำสั้น ๆ : Flair เป็นห้องสมุด NLP ที่ทรงพลังซึ่งสามารถใช้โมเดลการประมวลผลภาษาธรรมชาติที่ทันสมัย ​​(NLP) กับข้อความเช่นการจดจำเอนทิตีที่มีชื่อ (NER), การวิเคราะห์ความเชื่อมั่น, การติดแท็กส่วนหนึ่ง (POS) การสนับสนุนพิเศษสำหรับข้อมูลทางชีวการแพทย์ Flair ยังเป็นไลบรารีการฝังข้อความซึ่งเป็นกรอบการประมวลผลภาษาธรรมชาติตาม Pytorch

  • Covid-Twitter-Bert:

    • ที่อยู่: https://github.com/digitalepidemiologylab/covid-twitter-bert
    • บทนำ: Covid-Twitter-Bert (CT-Bert For Short) เป็นแบบจำลองที่ใช้หม้อแปลงซึ่งได้รับการฝึกอบรมล่วงหน้าในข้อความ Twitter จำนวนมากเกี่ยวกับหัวข้อ COVID-19 โมเดล V2 ได้รับการฝึกฝนเกี่ยวกับทวีต 97 ล้านครั้ง (ตัวอย่างการฝึกอบรม 1.2 พันล้านครั้ง)

  • Bio-LM (แบบจำลองภาษาชีวการแพทย์และคลินิก)

    • ที่อยู่: https://github.com/facebookresearch/bio-lm
    • บทนำ: งานนี้ประเมินแบบจำลองหลายแบบสำหรับงานการประมวลผลภาษาธรรมชาติและทางคลินิกและฝึกอบรมรุ่นใหม่ที่มีประสิทธิภาพที่ดีขึ้น

  • Bioalbert

    • ที่อยู่: https://github.com/usmaann/bioalbert
    • บทนำ: นี่คือรูปแบบการเป็นตัวแทนภาษาชีวการแพทย์ที่ผ่านการฝึกอบรมสำหรับคลังข้อมูลเฉพาะโดเมนขนาดใหญ่ (ชีวการแพทย์) ที่ออกแบบมาสำหรับงานการขุดข้อความชีวการแพทย์

5.2 การแพทย์ LLM

5.2.1 รูปแบบการแพทย์หลายภาษา

  • อพอลโล:

    • ที่อยู่: https://github.com/freedomintelligence/apollomoe
    • บทนำ: Democratize LLM อย่างมีประสิทธิภาพใน 50 ยาภาษาผ่านการผสมผสานของผู้เชี่ยวชาญด้านภาษาในครอบครัว

  • อพอลโล:

    • ที่อยู่: https://github.com/freedomintelligence/apollo
    • บทนำ: ยาหลายภาษาที่มีน้ำหนักเบา LLM, เป็นที่นิยมในการรักษาความฉลาดทางการแพทย์ปัญญาประดิษฐ์ถึง 6 พันล้านคน

  • mmedlm:

    • ที่อยู่: https://github.com/magic-ai4med/mmedlm
    • บทนำ: รูปแบบภาษาการแพทย์หลายภาษาโอเพ่นซอร์สแรก

5.2.2 รูปแบบภาษาใหญ่การแพทย์จีน

  • Bentsao:
    • ที่อยู่: https://github.com/scir-hi/huatuo-llama-med-chinese
    • บทนำ: Bentsao ขึ้นอยู่กับ LLAMA-7B และได้รับจากการปรับแต่งคำแนะนำ/คำแนะนำทางการแพทย์ของจีน นักวิจัยได้สร้างชุดข้อมูลการสอนทางการแพทย์ของจีนผ่านกราฟความรู้ทางการแพทย์และ GPT3.5 API และคำแนะนำ Llama ที่ปรับแต่งอย่างละเอียดบนพื้นฐานนี้ปรับปรุงผลตอบคำถามของ Llama ในสาขาการแพทย์
  • Bianque:
    • ที่อยู่: https://github.com/scutcyr/bianque
    • บทนำ: รูปแบบการสนทนาทางการแพทย์ที่ปรับแต่งโดยคำแนะนำและบทสนทนาสอบถามหลายรอบ การใช้ Clueai/Chatyuan-Large-V2 เป็นฐานมันใช้คำแนะนำคำถามและตอบคำถามทางการแพทย์ของจีนและชุดข้อมูลผสมของบทสนทนาสอบถามหลายรอบสำหรับการปรับแต่ง
  • Soulchat:
    • ที่อยู่: https://github.com/scutcyr/soulchat
    • บทนำ: Lingxin ใช้ chatglm-6b เป็นรูปแบบการเริ่มต้นและคำแนะนำข้อความยาวของจีนในด้านการให้คำปรึกษาด้านจิตวิทยาและข้อมูลการสนทนาที่เอาใจใส่หลายรอบเพื่อปรับปรุงความสามารถในการเอาใจใส่ของแบบจำลอง
  • Doctorglm:
    • ที่อยู่: https://github.com/xionghonglin/doctorglm
    • บทนำ: รูปแบบการให้คำปรึกษาของจีนตาม chatglm-6b โมเดลนี้ได้รับการปรับแต่งผ่านชุดข้อมูลบทสนทนาทางการแพทย์ของจีนซึ่งตระหนักถึงการปรับแต่งและการปรับใช้อย่างละเอียดรวมถึง LORA, P-TuningV2 ฯลฯ
  • Huatuogpt:
    • ที่อยู่: https://github.com/freedomintelligence/huatuogpt
    • บทนำ: Hua Tuo GPT เป็นแบบจำลองที่คล้ายกับ GPT ที่ได้รับจากการเรียนการสอนทางการแพทย์ของจีนปรับการปรับ/การเรียนการสอนการปรับ (การปรับแต่ง) แบบจำลองนี้เป็น LLM จีนที่ออกแบบมาโดยเฉพาะสำหรับการให้คำปรึกษาทางการแพทย์ ข้อมูลการฝึกอบรมประกอบด้วยข้อมูลที่กลั่นจาก CHATGPT และข้อมูลจริงจากแพทย์ คำติชมจาก RLHF จะถูกเพิ่มเข้ามาในระหว่างกระบวนการฝึกอบรม
  • Huatuogpt-II:
    • ที่อยู่: https://github.com/freedomintelligence/huatuogpt-ii
    • บทนำ: Hua Tuo GPT2 ใช้วิธีการปรับตัวภาคสนามที่เป็นนวัตกรรมการปรับปรุงความรู้ทางการแพทย์และความสามารถในการสนทนาอย่างมาก มันแสดงให้เห็นถึงประสิทธิภาพสูงสุดในการวัดประสิทธิภาพทางการแพทย์ที่หลากหลายโดยเฉพาะอย่างยิ่งเกิน GPT-4 ในการประเมินผู้เชี่ยวชาญและการสอบคุณสมบัติการปฏิบัติทางการแพทย์ใหม่

5.2.3 รูปแบบภาษาการแพทย์ภาษาอังกฤษ

  • Gatortron:
    • ที่อยู่: https://github.com/uf-hobi-informatics-lab/gatortron
    • บทนำ: รูปแบบการจำลองระยะแรกในสาขาการดูแลสุขภาพซึ่งอุทิศให้กับวิธีการที่ระบบที่ใช้กรณีสุขภาพอิเล็กทรอนิกส์ที่ไม่มีโครงสร้างได้รับประโยชน์จากการเยาะเย้ยทางการแพทย์ที่มีพารามิเตอร์หลายพันล้าน
  • Codex-Med:
    • ที่อยู่: https://github.com/vlievin/medical-reasoning
    • บทนำ: อุทิศให้กับความสามารถของโมเดล GPT-3.5 ในการตอบและเหตุผลสำหรับปัญหาทางการแพทย์ที่แท้จริง ชุดข้อมูลการทดสอบทางการแพทย์ USMLE และ MEDMCQA และชุดข้อมูลการอ่านทางการแพทย์ PubMedQa
  • Galactica:
    • ที่อยู่: https://galactica.org/
    • บทนำ: Galactica มุ่งมั่นที่จะแก้ไขข้อมูลที่มากเกินไปในสาขาวิทยาศาสตร์และร้านค้าและรวมความรู้ทางวิทยาศาสตร์รวมถึงสาขาการแพทย์และสุขภาพ Galactica ได้รับการฝึกฝนเกี่ยวกับคลังข้อมูลขนาดใหญ่และการอ้างอิงเพื่อพยายามค้นหาความสัมพันธ์ที่อาจเกิดขึ้นระหว่างการวิจัยในสาขาที่แตกต่างกัน
  • deid-gpt:
    • ที่อยู่: https://github.com/yhydhx/chatgpt-api
    • บทนำ: กรอบการยกเลิกการระบุ GPT4 ที่เป็นนวัตกรรมซึ่งสามารถระบุและลบข้อมูลการระบุได้โดยอัตโนมัติ
  • chatdoctor:
    • ที่อยู่: https://github.com/kent0n-li/chatdoctor
    • บทนำ: รูปแบบการสนทนาทางการแพทย์ที่ได้รับจากการปรับแต่งตาม LLAMA โดยใช้ความรู้พื้นฐานในสาขาการแพทย์
  • Medalpaca:
    • ที่อยู่: https://github.com/kbreakm/medalpaca
    • บทนำ: Medalpaca ใช้กลยุทธ์โอเพ่นซอร์สที่อุทิศให้กับการแก้ปัญหาความเป็นส่วนตัวในระบบการดูแลสุขภาพ แบบจำลองนี้สร้างขึ้นบน Llama ที่มีพารามิเตอร์ 7 พันล้านและ 13 พันล้านพารามิเตอร์
  • PMC-llama:
    • ที่อยู่: https://github.com/chaoyi-wu/pmc-llama
    • บทนำ: PMC-LLAMA เป็นรูปแบบภาษาโอเพ่นซอร์สที่ปลูกฝังความรู้ทางการแพทย์เพิ่มเติมโดยการควบคุม LLAMA-7B ในเอกสารวิชาการชีวการแพทย์ทั้งหมด 4.8 ล้านฉบับเพื่อเพิ่มขีดความสามารถในสาขาการแพทย์
  • Visual Med-Alpaca:
    • ที่อยู่: https://github.com/cambridgeltl/visual-med-alpaca
    • บทนำ: Visual Med-Alpaca เป็นแบบเปิดโอเพ่นซอร์ส, แบบจำลองพื้นฐานทางชีวการแพทย์ที่มีประสิทธิภาพพารามิเตอร์ที่สามารถรวมเข้ากับ "ผู้เชี่ยวชาญด้านการมองเห็น" ของการแพทย์สำหรับงานด้านชีวการแพทย์หลายรูปแบบ แบบจำลองนี้สร้างขึ้นบนสถาปัตยกรรม LLAMA-7B และได้รับการฝึกฝนโดยใช้ชุดคำสั่งที่ดูแลโดย GPT-3.5-turbo และผู้เชี่ยวชาญของมนุษย์
  • Gatortrongpt:
    • ที่อยู่: https://github.com/uf-hobi-informatics-lab/gatortrongpt
    • บทนำ: Gatortrongpt เป็นแบบจำลองภาษาขนาดใหญ่ทางการแพทย์ แบบจำลองนี้สร้างขึ้นบน GPT-3 และมีพารามิเตอร์ 5 พันล้านหรือ 20 พันล้านพารามิเตอร์ แบบจำลองนี้ใช้คลังข้อมูลขนาดใหญ่ของข้อความทางคลินิกและภาษาอังกฤษที่มี 277 พันล้านคำ
  • Medagi:
    • ที่อยู่: https://github.com/joshuachou2018/medagi
    • บทนำ: Medagi ตัวอย่างรวมโมเดลภาษาการแพทย์เฉพาะโดเมนในราคาต่ำสุดเป็นวิธีที่เป็นไปได้ในการใช้ปัญญาประดิษฐ์ทางการแพทย์ทั่วไป
  • llava-med:
    • ที่อยู่: https://github.com/microsoft/llava-med
    • บทนำ: LLAVA-MED ใช้โดเมนทั่วไป LLAVA สำหรับการเริ่มต้นและจากนั้นได้รับการฝึกฝนอย่างต่อเนื่องในลักษณะการเรียนรู้ของหลักสูตร (ครั้งแรกที่มีการจัดแนวแนวคิดทางชีวการแพทย์ตามด้วยการปรับการเรียนการสอนที่ครอบคลุม)
  • Med-Flamingo:
    • ที่อยู่: https://github.com/snap-stanford/med-flamingo
    • บทนำ: Med-Flamingo เป็นรูปแบบภาษาภาพที่ออกแบบมาโดยเฉพาะเพื่อประมวลผลข้อมูลหลายรูปแบบที่มีภาพและข้อความ จากฟลามิงโก Med-Flamingo ช่วยเพิ่มความสามารถในสาขาการแพทย์เหล่านี้โดยการฝึกอบรมแหล่งความรู้หลายรูปแบบที่หลากหลายในสาขาการแพทย์ที่แตกต่างกัน

5.3 การแพทย์ VLM

แบบอย่าง กระดาษ คนอื่น ๆ
เมดซินต์ การเชื่อมโยง การเชื่อมโยง
Med-Flamingo การเชื่อมโยง การเชื่อมโยง
llava-med การเชื่อมโยง การเชื่อมโยง
qilin-med-vl การเชื่อมโยง การเชื่อมโยง
รัศมี การเชื่อมโยง การเชื่อมโยง
เมดแอล การเชื่อมโยง การเชื่อมโยง
Huatuogpt-Vision การเชื่อมโยง การเชื่อมโยง
biomedgpt การเชื่อมโยง การเชื่อมโยง
Med-Moe การเชื่อมโยง การเชื่อมโยง
r-llava การเชื่อมโยง -
MED-2E3 การเชื่อมโยง -
GMAI-VL การเชื่อมโยง การเชื่อมโยง

5.4 เกณฑ์มาตรฐาน VLM การแพทย์

เกณฑ์มาตรฐาน กระดาษ คนอื่น ๆ
GMAI-MMBENCH การเชื่อมโยง การเชื่อมโยง
Omnimedvqa การเชื่อมโยง การเชื่อมโยง
MMMU การเชื่อมโยง การเชื่อมโยง
หลายครั้ง การเชื่อมโยง การเชื่อมโยง
Worldmedqa-V การเชื่อมโยง -
↥กลับไปด้านบน

6. เอกสารที่เกี่ยวข้อง

6.1 เอกสารที่อาจเป็นประโยชน์ในยุคหลัง Chatgpt

  1. รูปแบบภาษาขนาดใหญ่การเข้ารหัสความรู้ทางคลินิกที่อยู่กระดาษ: https://arxiv.org/abs/2212.13138

  2. การแสดงของ Chatgpt เกี่ยวกับ USMLE: ศักยภาพในการศึกษาทางการแพทย์ AI-ASSISTED โดยใช้รูปแบบภาษาขนาดใหญ่ที่อยู่กระดาษ: https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000198

  3. การทดสอบ (ทัวริง) สำหรับที่อยู่กระดาษคำแนะนำทางการแพทย์ของ Chatgpt: https://arxiv.org/abs/2301.10035

  4. Toolformer: โมเดลภาษาสามารถสอนด้วยตัวเองโดยใช้ที่อยู่กระดาษเครื่องมือ: https://arxiv.org/abs/2302.04761

  5. ตรวจสอบข้อเท็จจริงของคุณและลองอีกครั้ง: ปรับปรุงเอกสารแบบจำลองภาษาขนาดใหญ่โดยใช้ความรู้ภายนอกและข้อเสนอแนะอัตโนมัติ: https://arxiv.org/abs/2302.12813

  6. ความสามารถ GPT-4 ในความท้าทายทางการแพทย์ที่อยู่กระดาษ: https://arxiv.org/abs/2303.13375

6.2 บทความภาพรวม

  1. แบบจำลองภาษาที่ผ่านการฝึกอบรมมาก่อนในสาขาวิทยาศาสตร์ชีวการแพทย์: ที่อยู่กระดาษสำรวจอย่างเป็นระบบ
  2. บทสรุปของที่อยู่กระดาษของคู่มือการเรียนรู้ด้านการดูแลสุขภาพที่อยู่กระดาษที่อยู่ยาธรรมชาติยาธรรมชาติ
  3. การทบทวนที่อยู่กระดาษของรูปแบบภาษาขนาดใหญ่ในสาขาการดูแลสุขภาพ

6.3 บทความเฉพาะงาน

บทความที่เกี่ยวข้องกับเวชระเบียนอิเล็กทรอนิกส์

  1. ถ่ายโอนการเรียนรู้จากวรรณกรรมทางการแพทย์สำหรับการทำนายส่วนในบันทึกสุขภาพอิเล็กทรอนิกส์ที่อยู่กระดาษ
  2. Mufasa: การค้นหาสถาปัตยกรรมฟิวชั่นหลายรูปแบบสำหรับที่อยู่กระดาษบันทึกสุขภาพอิเล็กทรอนิกส์

การสกัดความสัมพันธ์ทางการแพทย์

  1. การใช้ประโยชน์จากป่าการพึ่งพาสำหรับการสกัดกระดาษที่สัมพันธ์กับระบบประสาท

กราฟความรู้ทางการแพทย์

  1. การเรียนรู้กราฟความรู้ด้านสุขภาพจากที่อยู่กระดาษเวชระเบียนอิเล็กทรอนิกส์

การวินิจฉัยเสริม

  1. การประเมินผลและการวินิจฉัยที่แม่นยำของโรคในเด็กโดยใช้ข่าวกรองศิลปะ

การเชื่อมโยงเอนทิตีทางการแพทย์ (มาตรฐาน)

  1. การเชื่อมโยงเอนทิตีทางการแพทย์โดยใช้ที่อยู่กระดาษเครือข่าย Triplet
  2. เฟรมเวิร์กสร้างและจัดอันดับด้วยการทำให้เป็นมาตรฐานประเภทความหมายสำหรับที่อยู่กระดาษการปรับสภาพทางชีวการแพทย์
  3. แบบจำลองระบบประสาทลึกสำหรับแนวคิดทางการแพทย์การทำให้เป็นมาตรฐานในที่อยู่กระดาษที่ผู้ใช้สร้างขึ้น

6.4 ดัชนีการประชุม

รายการเอกสารที่เกี่ยวข้องในสาขาการแพทย์ใน ACL2020

  1. เฟรมเวิร์กสร้างและจัดอันดับด้วยการทำให้เป็นมาตรฐานประเภทความหมายสำหรับที่อยู่กระดาษการปรับสภาพทางชีวการแพทย์
  2. การเป็นตัวแทนของเอนทิตีชีวการแพทย์ที่มีคำพ้องความหมาย
  3. เอกสารการแปลเทียบกับการแปลแบบสอบถามสำหรับการดึงข้อมูลข้ามภาษาในที่อยู่กระดาษโดเมนทางการแพทย์
  4. MIE: ตัวดึงข้อมูลทางการแพทย์ที่มีต่อที่อยู่กระดาษบทสนทนาทางการแพทย์
  5. การทำนายความสัมพันธ์ทางการแพทย์ที่หาเหตุผลเข้าข้างตนเองจากที่อยู่กระดาษระดับคลังข้อมูล

AAAI2020 รายการกระดาษที่เกี่ยวข้องกับ NLP การแพทย์

  1. เกี่ยวกับการสร้างคำถามตอบคำถามทางการแพทย์ที่อยู่กระดาษ
  2. ลาเต้: การสร้างแบบจำลองประเภทแฝงสำหรับเอนทิตีทางชีวการแพทย์ที่เชื่อมโยงที่อยู่กระดาษ
  3. การเรียนรู้แนวคิดการฝังบริบทสำหรับที่อยู่กระดาษข้อความทางการแพทย์
  4. การทำความเข้าใจการสนทนาทางการแพทย์ด้วยความสนใจคำหลักที่กระจัดกระจายและการกำกับดูแลที่อ่อนแอจากที่อยู่กระดาษคำตอบ
  5. การเชื่อมโยงเอนทิตีและการสกัดความสัมพันธ์จากข้อความชีวการแพทย์พร้อมกันโดยไม่กล่าวถึงที่อยู่กระดาษการกำกับดูแลระดับ
  6. ฝังตัวสามารถเป็นตัวแทนของคำศัพท์ทางการแพทย์ได้อย่างเพียงพอหรือไม่? ชุดข้อมูลความคล้ายคลึงกันคำศัพท์ทางการแพทย์ขนาดใหญ่ใหม่มีคำตอบ! ที่อยู่กระดาษ

EMNLP2020 รายการกระดาษที่เกี่ยวข้องกับ NLP การแพทย์

  1. สู่ความเข้าใจในการอ่านของเครื่องการแพทย์ด้วยความรู้เชิงโครงสร้างและที่อยู่กระดาษธรรมดา
  2. MedDialog: ชุดข้อมูลการสนทนาทางการแพทย์ขนาดใหญ่ที่อยู่กระดาษ
  3. Cometa: คลังข้อมูลสำหรับการเชื่อมโยงหน่วยงานการแพทย์ในที่อยู่กระดาษโซเชียลมีเดีย
  4. การสกัดเหตุการณ์ทางชีวการแพทย์เป็นที่อยู่กระดาษการติดฉลากลำดับ
  5. FEDED: การเรียนรู้จากสหพันธรัฐผ่านการกลั่นจากวงดนตรีสำหรับการสกัดความสัมพันธ์ทางการแพทย์ที่อยู่กระดาษการวิเคราะห์กระดาษ: Feded: การเรียนรู้แบบสหพันธรัฐสำหรับการสกัดความสัมพันธ์ทางการแพทย์ (ขึ้นอยู่กับการกลั่นฟิวชั่น)
  6. การผสมผสานความรู้โรคลงในเบิร์ตสำหรับการตอบคำถามสุขภาพการอนุมานทางการแพทย์และที่อยู่กระดาษรับรู้ชื่อโรค
  7. แบบจำลองการกำเนิดที่ขับเคลื่อนด้วยความรู้สำหรับหลายขั้นตอนการแพทย์ขั้นตอนการแพทย์ของจีน
  8. Biomegatron: ที่อยู่กระดาษแบบจำลองภาษาโดเมนชีวการแพทย์ขนาดใหญ่ขึ้น
  9. การสอบถามหลายประเภทสำหรับการเรียกร้องทางการแพทย์ในที่อยู่กระดาษข่าว
↥กลับไปด้านบน

7. ชุดเครื่องมือโอเพ่นซอร์ส

  1. เครื่องมือพาร์ติชัน Word: PKUSEG ที่อยู่โครงการคำอธิบายโครงการ: เครื่องมือคำนามคำภาษาจีนหลายโดเมนที่เปิดตัวโดย Peking University สนับสนุนการเลือกสาขาการแพทย์
↥กลับไปด้านบน

8. โซลูชั่นผลิตภัณฑ์เกรดอุตสาหกรรม

  1. ภูมิปัญญาเวชศาสตร์จิตวิญญาณ

  2. แพทย์มือซ้าย

  3. การประมวลผลภาษาธรรมชาติของ Yidu Cloud-Medical Medical Hanguage

  4. Baidu - โครงสร้างข้อความทางการแพทย์

  5. Alibaba Cloud - การประมวลผลภาษาธรรมชาติทางการแพทย์

↥กลับไปด้านบน

9. การแบ่งปันบล็อก

  1. Alpaca: คำสั่งโอเพ่นซอร์สที่ทรงพลังต่อไปนี้รุ่นต่อไปนี้
  2. บทเรียนที่เรียนรู้จากการสร้างระบบการประมวลผลภาษาธรรมชาติในสาขาการแพทย์
  3. รู้เบื้องต้นเกี่ยวกับฐานข้อมูลสาธารณะและเทคโนโลยีการขุดข้อมูลในยุคของข้อมูลขนาดใหญ่
  4. ดูที่การพัฒนาของ NLP ในสาขาการแพทย์จาก ACL 2021 ด้วยการดาวน์โหลดทรัพยากร
↥กลับไปด้านบน

10. ลิงก์ที่เป็นมิตร

  1. Awesome_chinese_medical_nlp
  2. การค้นหาชุดข้อมูล NLP ภาษาจีน
  3. Medical-Data (ข้อมูลที่เกี่ยวข้องกับทางการแพทย์จำนวนมาก)
  4. ชุดข้อมูล Tianchi (รวมถึงชุดข้อมูล NLP ทางการแพทย์หลายชุด)
↥กลับไปด้านบน

11. การอ้างอิง 

 @misc { medical_NLP_github ,
  author = { Xidong Wang, Ziyue Lin and Jing Tang, Rongsheng Wang, Benyou Wang } ,
  title = { Medical NLP } ,
  year = { 2023 } ,
  publisher = { GitHub } ,
  journal = { GitHub repository } ,
  howpublished = { url{https://github.com/FreedomIntelligence/Medical_NLP} }
}
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด