Al+医学,用这个中文多模态医学大模型帮你看胸片

Xray-反连平台搭建 一、简介 xray 是一款功能强大的安全评估工具,由多名经验丰富的一线安全从业者呕心打造而成,主要特性有: 检测速度快。 发包速度快; 漏洞检测算法高效。 支持范围广。 大至 OWASP Top 10 通用漏洞检测,小至各种 CMS 框架 POC,均可以支持。 代码质量高。 编写代码的人员素质高, 通过 Code Review、单元测试、集成测试等多层验证来提高代码可靠性。 高级可定制。 通过配置文件暴露了引擎的各种参数,通过修改配置文件可以极大的客制化功能。 安全无威胁。 xray 定位为一款安全辅助评估 阅读详情

随着人工智能技术的飞速发展,AI 在医学领域的应用已经成为现实。特别是在医学影像诊断方面,AI 大模型技术展现出了巨大的潜力和价值,但目前针对中文领域医学大多模态大模型还较少。

今天马建仓为大家介绍的这款 XrayGLM,就是由澳门理工大学应用科学学院的檀韬副教授和彭祥佑老师指导,硕士生王荣胜、段耀菲、李俊蓉完成的中文多模态医学大模型。

项目名称: XrayGLM

项目作者: 澳门理工大学应用科学学院

开源许可协议: CC BY-NC-SA

项目地址:gitee.com/WangHaoyuuu…

XrayGLM 团队借助了 ChatGPT 以及公开的数据集,构造了一个X光影像-诊断报告的医学多模态数据集,随后将构建的中文胸部X光片诊断数据集在 VisualGLM-6B 进行微调训练,并开放了部分训练权重用于学术研究。

数据集来源

XrayGLM 团队选择了 MIMIC-CXR 和 OpenI 两个数据集,MIMIC-CXR 是一个公开可用的胸部X光片数据集,包括377,110张图像和227,827个相关报告,OpenI 是一个来自印第安纳大学医院的胸部X光片数据集,包括6,459张图像和3,955个报告。

为了生成合理的医学报告,XrayGLM 团队对两个数据集进行了预处理,并最终得到了可以用于训练的英文报告。除此之外,为了更好的支持中文社区发展,借助 ChatGPT 的能力将英文报告进行了中文翻译,并最终形成了可用于训练的数据集。

快速上手

1.安装环境

# 安装依赖
pip install -r requirements.txt
# 国内换源安装依赖
pip install -i https://mirrors.aliyun.com/pypi/simple/ -r requirements.txt


此时默认会安装deepspeed库(支持sat库训练),此库对于模型推理并非必要,同时部分Windows环境安装此库时会遇到问题。 如果想绕过deepspeed安装,可以将命令改为:

# 安装依赖
pip install -i https://mirrors.aliyun.com/pypi/simple/ -r requirements_wo_ds.txt
# 安装SwissArmyTransformer
pip install -i https://mirrors.aliyun.com/pypi/simple/ --no-deps "SwissArmyTransformer>=0.3.6"


2.模型推理

CLI推理
python cli_demo.py --from_pretrained checkpoints/checkpoints-XrayGLM-3000 --prompt_zh '详细描述这张胸部X光片的诊断结果'


WebUI运行
python web_demo.py --from_pretrained checkpoints/checkpoints-XrayGLM-3000


此时访问http://127.0.0.1:7860即可

XrayGLM 团队也分享出了 XrayGLM 的微调实践教程,感兴趣的开发者可以前往图中频道或直接访问项目仓库了解更多详情:gitee.com/WangHaoyuuu…

​

如何学习大模型

现在社会上大模型越来越普及了,已经有很多人都想往这里面扎,但是却找不到适合的方法去学习。

作为一名资深码农,初入大模型时也吃了很多亏,踩了无数坑。现在我想把我的经验和知识分享给你们,帮助你们学习AI大模型,能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习,等录播视频免费分享出来,需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向,东学一点西学一点,像只无头苍蝇乱撞,我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍

在这里插入图片描述

四、AI大模型各大场景实战案例

在这里插入图片描述

五、结束语

学习AI大模型是当前科技发展的趋势,它不仅能够为我们提供更多的机会和挑战,还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型,我们可以深入了解深度学习、神经网络等核心概念,并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时,掌握AI大模型还能够为我们的职业发展增添竞争力,成为未来技术领域的领导者。

再者,学习AI大模型也能为我们自己创造更多的价值,提供更多的岗位以及副业创收,让自己的生活更上一层楼。

因此,学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。

opengl实现X射线渲染 X射线也就是轮郭线 实现原理:物体表面的法线与入射光线的夹角为90度时,刚好能看到物体的轮郭线 实现效果,不同的计算方式会得到不同的效果 顶点shader attribute vec3 pos; attribute vec2 texcoord; attribute vec3 normal; uniform mat4 M; uniform mat4 P; unifo 阅读详情

相关推荐

XrayGLM微调实践

【官方教程】XrayGLM微调实践_哔哩哔哩_bilibili报告文件下载: https://pan.baidu.com/s/1gfdpyfT6EVnygMPDO_iwvQ?pwd=8wpc 提取码: 8wpc最近,通用领域的大语言模型 (LLM),例如 ChatGPT,在遵循指令和产生类似人类响应方面取得了显著的成功,这种成功间接促进了多模态大模型的研究和发展,如通用领域的多模态大模型MiniGPT-4、mPLUG-Owl、Multimodal-GPT和L, 视频播放量 5083、弹幕量 5、点赞数 20

liguandong 1350

XrayGLM - 医学大模型

关于 XrayGLM 研究背景 VisualGLM-6B

AI工程化、开源分享、文档翻译、代码笔记 2363

Multisim14.0仿真实战:从零搭建RS/JK触发器电路(附真值表+波形图)

本文通过Multisim 14.0软件,提供了从零搭建RS触发器和JK触发器电路的详细仿真实战教程。内容涵盖核心概念解析、电路搭建步骤、动态波形观测及真值表分析,重点探讨了RS触发器的非法状态问题以及JK触发器的四种工作模式,帮助读者直观理解时序逻辑电路的“记忆”功能与设计要点。

weixin_29175469的博客 274

探秘XrayGLM:一款强大的图形学工具与库

是一个由王榕生开发的开源项目,它是一个针对计算机图形学和游戏开发的高性能数学库。该库主要提供了线性代数、几何变换和其他相关功能,为开发者提供了一个高效、易用的工具集,帮助他们专注于创作高质量的3D应用。 ## 技术分析 ### 线性代数组件 XrayGLM的核心是其线性代数接口。它支持矩阵(包括正交、旋转、平移等)和向量运算,这些操作对于渲染和物理模拟至关重要。通过优化的底层实现,该库在保持

gitblog_00080的博客 691

欧姆龙OMRON PLC之HostLink通讯协议(四)-FINS命令进阶应用与调试技巧

本文深入探讨欧姆龙OMRON PLC的HostLink通讯协议中FINS命令的进阶应用与调试技巧。文章聚焦实战排错,详细解析命令帧解剖、响应帧解读与网络抓包三大核心方法,并分享性能优化策略,如合并读写与异步设计。同时介绍了强制操作、多存储区访问等高级命令的应用场景,旨在帮助工程师高效解决现场通讯问题,提升系统稳定性与效率。

nept的博客 750

Camera ITS测试

一、手机端设置: 将 CtsVerifier.apk 安装到设备上, 连接上linux主机。 二、主机端设置: 基础:CTS测试运行环境 然后,主机安装python2.7,及numpy/scipy/matplotlib/opencv 栈和 python 成像库。按照下面的命令依次安装: sudo apt­-get install python-­numpy sudo apt-­g...

wangubuntu的专栏 7785

Al+医学,用这个中文多模态医学大模型帮你看胸片,准的一批

今天为大家介绍的这款 XrayGLM,就是由澳门理工大学应用科学学院的檀韬副教授和彭祥佑老师指导,硕士生王荣胜、段耀菲、李俊蓉完成的中文多模态医学大模型。

瓦罗兰特顶级C位的博客 1179

【收藏向】模拟电子技术超强知识点总结 20小时不挂科

模电真的有难度的一门课,一定要好好学… 用的教材是华科康华光版,其他版本教材也可参考,内容是差不多的。 话不多说直接上思维导图干货(后有思维导图高清原图链接) 1 绪论 2 运算放大器 3 二极管及其基本电路 4 场效应管及其放大电路 5 双极结型三极管及其放大电路 三种组态总结看不清,给个特写 发现虽然csdn上传的是原图,但是显示的图片不是特别清晰,在此贴出B站知乎地址,第五章之后的内容都在上面,还可以查看原图 ———————————————————— B站专栏地址(可以点击查看原图) htt

工科狗Niko的博客 1万+

医学图像分割中的冷启动与主动学习技术解析

医学图像分割是计算机视觉在医疗领域的重要应用,其核心挑战在于高质量标注数据的稀缺性。冷启动技术通过结构感知聚类和代表性样本选择,实现在零标注场景下的模型初始化;主动学习则结合不确定性采样和多样性采样,动态选择最有价值的标注样本。这两种技术显著降低了医学影像分析对专家标注的依赖,在CT、MRI等多模态数据上展现出优越性能。特别是在肺炎病灶分割等任务中,通过t-SNE可视化技术提升算法透明度,使医师接受度提升58%。这些方法为构建高效可靠的计算机辅助诊断系统提供了关键技术支撑,正在三甲医院肺炎筛查等场景中产生实

weixin_30682415的博客 594

UE5热更新(通过Pak包加载关卡资源,并添加到流关卡)

请先阅读我上一篇文章)**

xialuhui的博客 6456

人工智能训练师三级·模型生命周期真题40题|训练→评估→调优全链路通关

本文为人工智能训练师三级考试真题解析系列第2篇,聚焦模型生命周期全链路(训练→评估→调优)。内容包含40道精选真题,覆盖数据划分、模型训练、评估指标、超参数调优4个核心阶段。重点考察:1)数据集的合理划分方法(留出法、交叉验证);2)模型训练的基本原理;3)关键评估指标(准确率、召回率、F1等)的应用场景;4)超参数调优技术(网格搜索、随机搜索等)。通过真题解析帮助考生系统掌握模型生命周期的闭环迭代方法论,提升从数据准备到模型优化的全流程实践能力。适合备考人工智能训练师三级认证的考生学习参考。

白话机器学习 89

生物医学与制药领域深度学习实战指南:药物发现、蛋白质建模、医学影像与临床 NLP 训练配方(AI-Research-SKILLs ml-training-recipes)

本篇技术指南以 AI-Research-SKILLs 仓库中 `ml-training-recipes` 技能的 [biomedical.md](https://link.gitcode.com/i/c31e2cfef6dd48ec2f98893215f7e2cb) 参考文档为骨架,系统梳理生物医学与制药领域从分子性质预测、分子生成、蛋白质结构与语言模型、药物-靶点相互作用,到医学影像、基因组学、

gitblog_00925的博客 210

让 IF 更好读:在 ABAP 里尽量使用正向条件的实战指南

摘要:SAP系统开发中,代码可读性与可维护性的关键往往在于条件判断的写法。Clean ABAP风格指南建议尽量采用正向表达的条件判断,如使用has_entries = abap_true而非否定式写法。正向表达能降低理解成本,避免"否定的否定"带来的逻辑混乱,但不应为追求正向而制造空分支。在团队协作中,正向条件更利于代码评审和测试覆盖,建议通过工具检查和智能评审确保规范执行。落地时可关注变量命名正向化、避免空分支、主流程清晰展开等要点,以提升长期维护效率。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 246

XrayGLM复现

相比于XrayGLM,VisualGLM官方代码库中有更多的issue和解决方案,因此当复现XrayGLM出现问题时,可以转变思路,将实验当成以自己的数据集对VisualGLM进行微调。

m0_52868152的博客 1458

【YOLOv8改进-注意力机制】LSKNet(Large Selective Kernel Network ):空间选择注意力

【YOLOv8改进-注意力机制】LSKNet(Large Selective Kernel Network ):空间选择注意力 (论文笔记+引入代码)。LSKNet能够动态调整其大的空间接收场,以更好地模拟遥感场景中各种对象的范围上下文。据我们所知,这是首次在遥感目标检测领域探索大型和选择性核机制。

专注于图像领域,主要研究内容包括计算机视觉和深度学习,特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。 2864

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

一口气了解大模型相关通识,基础笔记!

,特指部分参数的微调方法,这种方法算力功耗比更高,也是目前最为常见的微调方法;除此之外,Fine-Tuning也可以代指全部微调方法,同时OpenAI中模型微调API的名称也是需要注意的是,OpenAI提供的在线微调方法也是一种高效微调方法,并不Fine-Tuning,是全量微调;微调, Fine-Tuning,一般指全参数的微调 (全量微调) ,指是一类较早诞生的微调方法,全参数微调需要消耗大量的算力,实际使用起来并不方便,因此不久之后又诞生了只围绕部分参数进行微调的高效微调方法;

qq_18466193的博客 4681

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

山东大学软件学院项目实训纪实(二)

本周在研究了XrayGLM的模型结构后,尝试进行模型训练。虽然在对准备好的数据进行训练时遇到了一些问题,不过最后还是成功完成了训练,在此记录一下过程中遇到过的问题。通过模型训练,有助于我了解模型在解决实际问题时的有效性和可靠性;通过训练过程中的调试和优化,我积累了宝贵的模型调优经验;通过模型训练,我深入了解了任务领域的特点和挑战;同时与团队成员合作,共同解决问题并取得进展提升了我的团队合作能力和有效沟通能力,为未来的团队工作打下基础。

weixin_63284639的博客 1182

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

LLM in Medical Domain: 一文速览大语言模型在医学领域的应用

© 作者|杨锦霞机构|中国人民大学研究方向|多模态学习来自:RUC AI Box进NLP群—>加入NLP交流群引言:近期,大型语言模型在各种任务上展现出优异的性能,展示了广阔的应用前景。然而,在医学领域,现有的模型主要是单一任务系统,缺乏足够的表达能力和交互能力。因此,目前的模型与实际临床工作流程中对它们的期望之间存在差距。虽然大型语言模型的出现和发展为交互式医学系统带来了希望,但由于其可能...

zenRRan的博客 3091

【亲测免费】 探索未来文本生成:XrayGPT - 深度学习的创新实践

探索未来文本生成:XrayGPT - 深度学习的创新实践 项目简介 是一个基于Transformer架构的深度学习模型,专注于自然语言处理(NLP)任务中的文本生成。该项目的目标是为研究人员和开发者提供一个强大的工具,帮助他们构建更加智能、高效且富有创造力的应用。 技术分析 XrayGPT的核心是使用了预训练的语言模型,这一模型在大规模文本数据上进行了训练,使其具备理解与生成高质量文本的能力。其设...

gitblog_00013的博客 670

山东大学软件学院项目实训纪实(三)

4.1 处理IU-XRay数据集本周的首要任务是处理IU-XRay数据集。IU-XRay数据集是一个针对胸部X射线图像的医学数据集,常用于胸部疾病如肺炎、肺结核等的计算机视觉和机器学习研究。数据下载与验证:首先,我从官方或可靠来源下载了IU-XRay数据集,并验证了数据的完整性和准确性。数据清洗:对下载的数据进行了初步清洗,包括删除损坏或格式不正确的图像文件,以及去除标签中可能的错误或不一致之处。数据预处理:为了适配后续的模型训练,我对图像进行了必要的预处理操作,如尺寸调整、归一化、对比度增强等。

m0_61020185的博客 1853

山东大学软件学院创新实训——项目记录(4)5.7

本周的XrayGLM模型微调工作取得了显著的成果,模型在诊断准确率方面有了显著提升。同时,也遇到了一些挑战和问题,但通过不断尝试和优化,最终都找到了有效的解决方案。在下周的工作中,将继续对模型进行评估和优化,并探索其他先进的模型结构和算法,以提高模型的诊断性能。本周进行了XrayGLM的微调工作,采用了新的数据集,包含七千多张图片和。XrayGLM模型微调工作周报。5000轮与5500轮对比。3000轮与4000轮对比。

lalanojiao的博客 290

医学报告生成论文阅读-系列4

总结一下医学报告生成(Medical Report Generation,MRG)领域的一些文章,主要面向胸部X-Ray报告生成

qq_44837861的博客 3332

医学诊断报告生成论文综述

摘要 由Image/Video Captioning、VQA等图像理解任务的不断往前发展,以及目前智能医疗的兴起,有些学者自然而然地想到图像理解是否可以应用到医学领域,因此根据CT、核磁等图像自动生成诊断报告(病例),这个任务被提了出来。 2018年是医学报告生成任务的兴起年,截止到目前,总共有4篇医学诊断报告生成的文章被发表在各个领域的顶级会议上。 美国NIH吕乐(现在好像去英伟达了)课题组的王...

forget-tears的博客 1万+

中文医疗大模型!开源

我们每天分享开源项目,根据开源协议都可以赚钱ChatMed: 中文医疗大模型,善于在线回答患者/用户的日常医疗相关问题!源代码:以ChatGPT、GPT-4等为代表的大语言模型(Large Language Model, LLM)掀起了新一轮自然语言处理领域的研究浪潮,展现出了类通用人工智能(AGI)的能力,受到业界广泛关注。为推动LLM在中文医疗领域的发展和落地,提升LLM的医疗知识与回答医学咨询的能力,现推出ChatMed系列中文医疗大规模语言模型。

kaka0722ww的博客 1675

数据集 | 基于计算机视觉的开源医学影像处理数据集

计算机视觉分支-医学影响相关数据集概况。

weixin_44649780的博客 1万+
上一篇: 文档解析与向量化技术加速多模态大模型训练与应用
下一篇: 大模型应用-多模态和大模型是如何相互成就的
AI_小站
博客等级 码龄3年 6255粉丝 1152原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值