搜尋結果

使用者輸入 LLM識別病理組織切片圖的準確度 (時間範圍: all)
轉換句 Accuracy of LLM identification in pathological tissue slides, Factors affecting the accuracy of LLM identification in histopathological slides, Methods to improve the accuracy of LLM identification in tissue slide images
執行時間 5.47299 秒
花費Token 166
Collaborative Enhancement of Consistency and Accuracy in US Diagnosis of Thyroid Nodules Using Large Language Models.
利用大型語言模型在美國甲狀腺結節診斷中協同增強一致性和準確性。 Radiology / / 2024-03-13

這項研究探討了使用大型語言模型（LLMs）來進行醫學影像解讀，尤其是在診斷甲狀腺結節方面。評估了三種LLMs的診斷準確性，其中ChatGPT 4.0表現最佳。將LLMs與圖像轉文字方法結合，有望提高醫學影像的診斷準確性。 PubMed DOI

Fine-Tuned Large Language Model for Extracting Patients on Pretreatment for Lung Cancer from a Picture Archiving and Communication System Based on Radiological Reports.
基於放射學報告的圖像存檔和通訊系統，用於提取肺癌預處理患者的精細調校大型語言模型。 J Imaging Inform Med / / 2024-07-02

這項研究比較了一個經過微調的大型語言模型（LLM）與放射科醫師在從放射學報告中識別肺癌預防治療患者方面的表現。LLM在分類患者方面表現出高準確度和敏感度，與放射科醫師相似，但處理時間更快。研究結果表明，LLM能夠有效地及時從醫療記錄中提取相關信息。 PubMed DOI

Applications of Large Language Models in Pathology.
大型語言模型在病理學中的應用。 Bioengineering (Basel) / / 2024-04-27

大型語言模型（LLMs）是先進的神經網絡，能像人一樣回應，處理各種任務，如製作教材、摘要、提取資料、報告、寫程式和解讀圖像。使用時要謹慎，驗證來源至關重要。整合LLMs到臨床實務需謹慎考慮，避免錯誤和過度依賴。本文探討LLMs的歷史和在病理學中的應用。 PubMed DOI

Automated classification of brain MRI reports using fine-tuned large language models.
使用微調的大型語言模型自動分類腦部 MRI 報告。 Neuroradiology / / 2024-07-12

研究測試了精細調校的大型語言模型（LLM）在分類腦部磁振造影報告的效能。LLM表現高準確、敏感，且處理速度快，比人類放射科醫師更有效。結果顯示LLM在醫學影像分析上有潛力，與專業醫師相當。 PubMed DOI

Benchmarking PathCLIP for Pathology Image Analysis.
使用 PathCLIP 進行病理影像分析的基準測試。 J Imaging Inform Med / / 2024-07-09

PathCLIP 模型受 CLIP 模型啟發，專注於理解病理影像。優於其他模型的零樣本分類能力，但對某些影像變異較敏感。對比度和飽和度等變異有強韌性，但對色調和變形等變異表現較差。影像品質控制對結果至關重要。在影像檢索任務中，表現因數據集而異。總結來說，PathCLIP 在病理影像分析有潛力，但需謹慎使用。 PubMed DOI

Skin and Syntax: Large Language Models in Dermatopathology.
皮膚與語法：大型語言模型在皮膚病理學中的應用。 Dermatopathology (Basel) / / 2024-02-25

探討大型語言模型在皮膚病理學的應用，強調LLMs的優勢、挑戰和前景。LLMs可提升報告效率、資訊取得和病人教育，用於診斷、研究和教學。挑戰在於偏見、隱私和平衡AI與專業知識。未來將整合LLMs與其他AI技術，提升多模式能力。合作、透明度和質量監控是關鍵。需醫師和AI專家合作，最大程度發揮LLMs在改善病人結果的潛力。 PubMed DOI

PneumoLLM: Harnessing the power of large language model for pneumoconiosis diagnosis.
利用大型語言模型技術進行塵肺病診斷：PneumoLLM 的應用。 Med Image Anal / / 2024-06-28

傳統的預訓練和微調方法對於常見疾病有效，但對於罕見職業病如塵肺診斷困難。大型語言模型（LLMs）在多任務對話診斷中有潛力。新策略使用適配器層進行視覺-語言對齊，透過對話診斷，雖然挑戰性高，但可提高LLMs效果。移除文本分支、替換對話頭為分類頭，以增進LLMs效能。引入上下文多令牌引擎平衡圖像資訊和準確診斷，並使用信息發射器模塊單向信息流。實驗證實這些方法有效。 PubMed DOI

Diagnosis of malignancy in oropharyngeal confocal laser endomicroscopy using GPT 4.0 with vision.
在口咽部共焦激光內窺鏡檢查中使用 GPT 4.0 with vision 診斷惡性腫瘤。 Eur Arch Otorhinolaryngol / / 2024-04-02

研究使用OpenAI的GPT-4.0來自動分類口咽部鱗狀細胞癌的CLE影像，結果顯示GPT模型準確率為71.2%，人類專家為88.5%。GPT展現了在影像分類上的潛力，但仍需進一步研究驗證其在不同臨床情境下的準確性。 PubMed DOI

The Comparative Diagnostic Capability of Large Language Models in Otolaryngology.
大型語言模型在耳鼻喉科的比較診斷能力。 Laryngoscope / / 2024-04-02

研究發現大型語言模型在耳鼻喉科疾病診斷中表現不錯，ChatGPT-3.5準確率最高達89%，建議仍需醫師監督。 PubMed DOI

Deep learning automation of MEST-C classification in IgA nephropathy.
深度學習自動化在IgA腎病中的MEST-C分類。 Nephrol Dial Transplant / / 2023-11-16

研發了一個神經網路工具，能自動評估IgA腎病的MEST-C分級。研究顯示，這個工具在辨識和分級腎臟病變方面表現出高準確性，對M、E、S、T和C分數有強大預測能力。結果與病理學家評估高度一致，尤其S和T分數對預測不良結果有幫助。這研究顯示深度學習在自動評估IgA腎病肾脏病理上有潛力。 PubMed DOI

Deep Learning-Based Model Significantly Improves Diagnostic Performance for Assessing Renal Histopathology in Lupus Glomerulonephritis.
深度學習模型顯著提升對狼瘡性腎小球腎炎腎組織病理評估的診斷表現。 Kidney Dis (Basel) / / 2022-09-28

評估腎小球病變對確診腎小球腎炎和評估腎臟疾病至關重要。新模型MRPS利用深度學習技術分析腎臟組織影像，準確進行分割和特徵提取。此模型可辨識重要預測因子、進行評分，且在區分不同疾病嚴重程度方面表現卓越。MRPS提供量化且可重複的方式評估腎臟疾病，尤其對狼瘡性腎炎的診斷和預後評估有幫助。 PubMed DOI

Outcome Prediction Using Multi-Modal Information: Integrating Large Language Model-Extracted Clinical Information and Image Analysis.
利用多模態資訊進行結果預測：整合大型語言模型提取的臨床資訊和影像分析。 Cancers (Basel) / / 2024-07-13

研究利用AI-LLMs提取臨床資訊，改善影像分析，預測膀胱癌患者手術後五年存活率。共有781位患者資料，AI-LLMs從醫療記錄中提取臨床描述符。開發了多模態預測模型CRD，準確率達74%至97%。CRD模型表現良好，AUC值範圍0.83至0.89。研究顯示AI-LLMs提取臨床資訊可改善膀胱癌患者預測模型。 PubMed DOI

The Application of Large Language Models for Radiologic Decision Making.
大型語言模型在放射學決策中的應用。 J Am Coll Radiol / / 2024-02-25

研究發現使用大型語言模型（LLMs）在放射學中預測臨床情境的效果。Glass AI在某些領域表現比ChatGPT好，但在其他情境中表現較差。整體而言，LLMs有助於預測影像研究，尤其是Glass AI，顯示了在放射學決策上的潛力。 PubMed DOI

Large Language Models Diagnose Facial Deformity.
大型語言模型診斷面部畸形。 medRxiv / / 2024-07-23

這項研究探討大型語言模型（LLMs）在診斷下顎畸形的應用，目的是改善數據解釋，讓臨床醫師更容易使用。研究中將頭影測量數據轉換為文本，並分析多種LLM，如LLAMA-2和GPT模型，與傳統方法比較。結果顯示，較大的LLM在少量訓練下表現良好，減少分類模糊性，提升信息可及性和可解釋性。這些模型對經驗較少的醫師或資源有限的環境特別有幫助，未來隨著醫療數據集的改進，LLM的準確性和適用性將進一步提升。 PubMed DOI

A comparative study of zero-shot inference with large language models and supervised modeling in breast cancer pathology classification.
大型語言模型與監督建模在乳腺癌病理分類中零樣本推論的比較研究。 Res Sq / / 2024-03-04

研究比較了GPT-4等大型語言模型和傳統監督式模型在臨床註記中提取資訊的表現。結果顯示，對於標籤不平衡的任務，大型語言模型可能比監督式模型更有效。雖然大型語言模型減少了標註數據的需求，但監督式模型搭配詳細標註仍能提供相當結果。使用大型語言模型可加速臨床自然語言處理研究，減少對精心策劃數據集的需求，潛在增進臨床研究中自然語言處理變數的應用。 PubMed DOI

Use of Large Language Models to Predict Neuroimaging.
使用大型語言模型來預測神經影像。 J Am Coll Radiol / / 2023-11-13

研究比較大型語言模型（LLMs）和神經放射學家在臨床案例中的表現，結果顯示神經放射學家的判讀能力優於LLMs。ChatGPT和Glass AI表現相近，顯示在醫學文本訓練上有進步空間。LLMs雖有潛力，但仍需改進，顯示醫學領域仍需專業知識。 PubMed DOI

Radiological Differential Diagnoses Based on Cardiovascular and Thoracic Imaging Patterns: Perspectives of Four Large Language Models.
基於心血管和胸部影像模式的放射學鑑別診斷：四個大型語言模型的觀點。 Indian J Radiol Imaging / / 2024-03-30

研究比較了四個大型語言模型在心血管和胸部影像診斷上的效果，包括ChatGPT3.5、Google Bard、Microsoft Bing和Perplexity。結果顯示Perplexity在診斷準確度和一致性上表現最佳。在選擇臨床或教育用模型時，需考慮這些差異。 PubMed DOI

Assessing large language models' accuracy in providing patient support for choroidal melanoma.
評估大型語言模型在提供脈絡膜黑色素瘤患者支持方面的準確性。 Eye (Lond) / / 2024-07-13

研究評估大型語言模型（LLMs）提供脈絡膜黑色素瘤資訊的準確性，比較三個LLMs，專家審查結果顯示ChatGPT在醫療建議上最準確，手術前後問題上與Bing AI相似。回答長度不影響準確性，LLMs可引導患者尋求專業建議，但在臨床應用前仍需更多微調和監督。 PubMed DOI

Artificial intelligence scoring of liver biopsies in a phase II trial of semaglutide in nonalcoholic steatohepatitis.
人工智慧在一項關於 semaglutide 在非酒精性脂肪肝炎的二期試驗中對肝臟活檢進行評分。 Hepatology / / 2024-01-12

數位病理學的人工智慧技術能幫助以一致的方式量化組織學發現。研究比較了病理醫師和機器學習模型在臨床試驗數據中評估NASH組織學特徵的結果。結果顯示，兩者都能發現更多患者在接受特定治療後達到某些終點。人工智慧模型還能辨識出傳統評估未能發現的治療誘導的組織學特徵變化，顯示其提供超越傳統方法的額外見解潛力。 PubMed DOI

The Role of Large Language Models (LLMs) in Providing Triage for Maxillofacial Trauma Cases: A Preliminary Study.
大型語言模型（LLMs）在提供口腔顎面外傷病例分流中的角色：初步研究。 Diagnostics (Basel) / / 2024-04-26

研究比較了ChatGPT 4.0和Google GEMINI等大型語言模型在協助篩選複雜的顎面部創傷案例上的表現。結果顯示兩者在建議方面有一定一致性，但在檢查和治療計劃方面存在差異。雖然大部分領域無太大差別，但在診斷和建議的準確性上有變化。研究指出大型語言模型有助於提升臨床決策，強調在醫療領域仍需進一步研究。 PubMed DOI