(資料圖片僅供參考)

品玩 6 月 14 日訊，近日，微軟研究人員展示了 LLaVA-Med 模型，該模型主要用于生物醫(yī)學(xué)方面的研究，可根據(jù) CT、X 光圖片等推測出患者的病理狀況。

據(jù)悉，微軟研究人員與一批醫(yī)院合作，獲得了使用生物醫(yī)學(xué)圖像文本對(duì)應(yīng)大型數(shù)據(jù)集來訓(xùn)練多模態(tài) AI 模型。該數(shù)據(jù)集包括胸部 X 光、MRI、組織學(xué)、病理學(xué)和 CT 圖像等，覆蓋范圍相對(duì)全面。

微軟使用 GPT-4，基于 Vision Transformer 和 Vicuna 語言模型，在八個(gè)英偉達(dá) A100 GPU 上對(duì) LLaVA-Med 進(jìn)行訓(xùn)練，其中包含 " 每個(gè)圖像的所有預(yù)分析信息 "，用于生成有關(guān)圖像的問答，以滿足 " 可自然語言回答有關(guān)生物醫(yī)學(xué)圖像問題 " 的助手愿景。

在學(xué)習(xí)過程中，模型主要圍繞 " 描述此類圖像的內(nèi)容 " 以及 " 闡述生物醫(yī)學(xué)概念 " 而展開。據(jù)微軟稱，該模型最終具有 " 出色的多模式對(duì)話能力 "、" 在用于回答視覺問題的三個(gè)標(biāo)準(zhǔn)生物醫(yī)學(xué)數(shù)據(jù)集上，LLaVA-Med 在部分指標(biāo)上領(lǐng)先于業(yè)界其他先進(jìn)模型 "。