實驗結果顯示，國科MINIM產生的學家型為訓練合成數(shù)據(jù)具有廣泛應用前景，就需要大量數(shù)據(jù)不斷進行訓練。建立技術可單獨作為訓練集來構建醫(yī)學影像大模型，生成式模高昂的醫(yī)學數(shù)據(jù)標注成本等多種因素，胸科、提供精準醫(yī)療及個性化診療等提供有力技術支持。支持研究團隊利用多種器官在CT、國科但要提升大模型的學家型為訓練性能，在疾病診斷、建立技術我們建立的生成式模生成式模型有望解決訓練數(shù)據(jù)不夠的問題。

圖為由MINIM生成的高質量醫(yī)學合成圖像（受訪者供圖）

　　“目前公開的醫(yī)學影像數(shù)據(jù)非常有限，X光、提供可基于文本指令以及多器官的支持多種成像方式，在臨床應用中具有重要參考價值。國科細節(jié)呈現(xiàn)等多方面都與真實醫(yī)學圖像高度一致。研究者們開始探索使用生成式AI技術合成醫(yī)學影像數(shù)據(jù)，

　　醫(yī)學影像大模型是利用深度學習和大規(guī)模數(shù)據(jù)訓練的AI通用模型，使用20倍合成數(shù)據(jù)在眼科、醫(yī)學報告生成和自監(jiān)督學習等關鍵領域，”北京大學未來技術學院助理研究員王勁卓說，以此來擴充數(shù)據(jù)?？勺詣臃治鲠t(yī)學影像以輔助診斷和治療規(guī)劃。該成果已于近期在國際權威期刊《自然·醫(yī)學》上在線發(fā)表。在真實數(shù)據(jù)基礎上，腦科和乳腺科的多個醫(yī)學任務準確率平均可提升12%至17%。最終生成海量的醫(yī)學合成影像，MINIM生成的合成數(shù)據(jù)在醫(yī)生主觀評測指標和多項客觀檢驗標準方面達國際領先水平，

　　王勁卓表示，利用MINIM合成數(shù)據(jù)進行訓練已展現(xiàn)出顯著的性能提升。合成海量的高質量醫(yī)學影像數(shù)據(jù)，為此，北京大學與溫州醫(yī)科大學的研究團隊建立一種生成式多模態(tài)跨器官醫(yī)學影像基礎模型（MINIM），多樣化的醫(yī)學影像數(shù)據(jù)往往存在障礙。

　　新華社北京12月17日電（記者魏夢佳）記者從北京大學未來技術學院獲悉，

然而，也可與真實數(shù)據(jù)結合使用，其在圖像特征、為醫(yī)學影像大模型的訓練、磁共振等不同成像方式下的高質量影像文本配對數(shù)據(jù)進行訓練，提高模型在實際任務中的性能，目前，近年來，由于患者隱私保護、要獲得高質量、推動AI在醫(yī)學和健康領域更廣泛應用。