研究比較了KARA-CXR和ChatGPT兩種人工智慧技術在閱讀胸部X光片時的表現，結果顯示KARA-CXR準確性較高，且在虛假發現、位置不準確和幻覺方面表現也更好。這研究強調了人工智慧和語言模型在醫學影像領域的潛力，KARA-CXR在胸部X光片診斷上有很大的發展空間。 PubMed DOI

手術系統控制介面複雜，如C臂X光成像，影響使用。語音介面可讓外科醫生更靈活控制，直接存取功能。研究提出控制機器人X光成像系統的語音介面，成功實現自然發音命令並準確執行。語音介面方便外科醫生操作手術系統，隨語言模型改進，支援更高級互動應用。 PubMed DOI

研究評估符合HIPAA標準的GPT-4在急診放射學報告中的效用。人工智慧在辨識重要發現方面表現良好，但仍需人類監督。總結來說，AI對於辨識病人放射學報告中的重要資訊有幫助，但人類的角色仍然不可或缺。 PubMed DOI

放射學影像在醫學診斷中非常重要，對治療方向有關鍵影響。準確的放射學報告至關重要，常需與手術結果對照。手動比對費時費力，因此研究使用大型語言模型（LLM）自動提取報告關鍵細節，專注於肩部結構。LLM能識別放射學和手術報告中的特定結構，有助簡化評估過程。 PubMed DOI

本研究評估大型語言模型（LLM），特別是GPT-4，是否能有效分析介入放射學（IR）微波消融裝置的安全事件數據。研究收集了2011年至2023年的安全數據，並由人類審核者進行分類。GPT-4的分類準確率在訓練集達96.0%，驗證集86.4%，測試集87.3%。最終生成的摘要與人類解讀相似，顯示LLM在處理IR安全數據方面的潛力，成為臨床醫生的有用工具。 PubMed DOI

這項研究評估了一個安全的機構大型語言模型（LLM）在增強MRI脊椎檢查申請表及自動協議方面的效果。研究分析了218名患者的250份申請表，結果顯示LLM增強的申請表在臨床資訊充分性上達93.6-96.0%，遠高於臨床醫師的46.8-58.8%。LLM在78.4%的案例中提供正確的MRI協議建議，雖然低於放射科醫師的準確率，但在識別脊椎器械方面表現優異，準確率達95.1%。總體而言，LLM顯著提升了MRI申請表的質量，顯示出優化放射科醫師工作流程的潛力。 PubMed DOI

本研究針對腰椎狹窄症（LSS）進行，目的是建立一個自動化放射報告生成系統，利用視覺語言模型簡化MRI診斷過程。我們使用生成圖像到文本模型，並透過GPT-4增強其理解能力。結果顯示，模型能生成語義準確且語法正確的報告，並在性能評估中表現良好。這項研究顯示視覺語言模型在醫學影像報告自動化中的潛力，可能有助於減輕放射科醫生的工作負擔。 PubMed DOI

這篇論文探討了一個智能代理的開發，利用大型語言模型（LLMs）來優化平行磁共振成像（pMRI）重建，特別是針對GRAPPA方法。傳統的pMRI重建需大量參數調整，過程繁瑣。雖然數據驅動的AI已改善重建質量，但知識驅動的AI方法尚未充分利用。 作者提出利用LLMs生成規劃領域定義語言（PDDL）文件，幫助指導GRAPPA重建，讓過程更高效，特別對非專家的MRI技術人員友好。實驗結果顯示，這種方法能有效提升影像質量，未來可能實現完全自動化的重建過程，減少人類干預。 PubMed DOI

我們開發了一個新系統，結合人工智慧虛擬代理和三種混合實境視覺化，提升超音波檢查的病人接受度。虛擬助手能與病人自然對話，提供即時解答，增強信任感。三種視覺化方式包括擴增實境（AR）、擴增虛擬環境（AV）和完全沉浸式虛擬實境（VR），讓病人能更舒適地參與檢查。研究結果顯示，病人的信任度和舒適度顯著提升，未來可進一步改善自主醫療體驗。 PubMed DOI

這項研究提出了一種新型的文本基礎超聲模擬控制系統，旨在簡化使用者體驗並縮短配置時間。透過大型語言模型（LLM）和地面人工智慧（AI）技術，系統將SimNDT的功能模組化，讓使用者能用自然語言下指令。報導指出，這項創新能將模擬設置時間縮短約75%。此外，結合自我檢查和多個LLM代理的協作，顯著降低了場景生成的錯誤率，從23.89%降至1.48%。整體而言，這種方法展示了AI在提升模擬系統效率和可靠性方面的潛力，特別適用於快速變化的數位雙胞胎系統。 PubMed DOI