- 博客(8)
- 收藏
- 关注
RSS订阅原创 【学习笔记】大语言模型技术原理学习笔记
定义：大语言模型作为一个被验证可行的方向，其“大”体现在训练数据集广，模型参数和层数大，计算量大，其价值体现在通用性上，并且有更好的泛化能力。总结：大模型，其巨大的数据和参数规模，实现了智能的涌现，展现出类似人类的智能。
2024-09-10 22:13:48
1078
原创 【文献阅读】SERPENT-VLM : Self-Refining Radiology Report Generation Using Vision Language Models
放射学报告生成（R2Gen）展示了多模态大语言模型（MLLMs）如何自动化生成准确连贯的放射学报告。现有方法常常在基于文本的报告中出现幻觉细节，这些细节并不准确反映图像内容。为了减少这一问题，我们引入了一种新颖的策略，即SERPENT-VLM（使用视觉语言模型进行自我完善的放射学报告生成），通过将自我完善机制整合到MLLM框架中，改进了R2Gen任务。我们采用了一种独特的自监督损失，利用图像表示的汇总与生成的放射学文本的上下文表示之间的相似性，以及标准的因果语言建模目标，来完善图像-文本表示。
2024-09-06 21:23:47
776
原创 【文献阅读002】R2GenGPT: Radiology Report Generation with frozen LLMs（静态LLM用于放射学报告生成）
大型语言模型(llm)在应用于各种语言任务时一直显示出卓越的泛化能力。尽管如此，挖掘大语言模型在放射学报告生成(R2Gen)中的全部潜力仍然是一个挑战，这源于大语言模型和R2Gen任务之间固有的模式差异。为了有效地弥合这一差距，提出了R2GenGPT，使用高效的视觉对齐模块将视觉特征与llm的词嵌入空间对齐。这种创新的方法使以前静态的LLM能够无缝集成和处理图像信息，标志着优化R2Gen性能向前迈进了一步。R2GenGPT提供了以下好处。
2024-07-06 23:33:35
2024
原创 【文献阅读001】：Prompt-Guided Generation of Structured Chest X-Ray Report Using a Pre-trained LLM
作者引入了一种快速引导的方法，使用预训练的大型语言模型(LLM)生成结构化的胸部x射线报告。首先，作者识别胸部x光片中的解剖区域，以生成以关键视觉元素为中心的重点句子，从而用基于解剖的句子建立结构化的报告基础。作者还将检测到的解剖转换为文本提示，向LLM传达解剖理解。我们提出了一种结构化报告生成模型，利用预训练的大型语言模型LLM，通过解剖区域和临床背景提示来实现高可解释性和互动性。首先，我们引入了解剖结构检测，建立了结构化的以解剖为中心的视觉描述，这是一个新的贡献。
2024-07-05 21:44:27
2278
原创 Python问题解决合计（2）VSCode中文输出乱码问题
修改冒号后面的内容为：“set PYTHONIOENCODING=utf8 && python -u”,下拉找到code runner:Executor Map。在搜索设置中搜索“code runner”点击在settings.json中编辑。运行程序发现输出结果中汉字部分乱码。在打开的文件中找到python。此时重新运行程序，输出结果正常。
2024-06-17 15:48:32
263
原创 Python问题解决合集（1）ModuleNotFoundError: No module named ‘networkx‘
python问题解决合集（1）
2024-06-17 15:39:21
1255
原创 小白的Python+Anaconda+vscode安装使用教程（win11系统手把手教学)（1）
手把手教python+anaconda+vscode安装
2024-06-16 18:39:24
5627
9
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人