Fugu-MT 論文翻訳(概要): EyeGPT: Ophthalmic Assistant with Large Language Models

論文の概要: EyeGPT: Ophthalmic Assistant with Large Language Models

arxiv url: http://arxiv.org/abs/2403.00840v1
Date: Thu, 29 Feb 2024 09:35:41 GMT
ステータス: 処理完了
システム内更新日: 2024-03-05 16:26:07.977599
Title: EyeGPT: Ophthalmic Assistant with Large Language Models
Title（参考訳）: eyegpt: 大きな言語モデルを持つ眼科用アシスタント
Authors: Xiaolan Chen, Ziwei Zhao, Weiyi Zhang, Pusheng Xu, Le Gao, Mingpu Xu, Yue Wu, Yinwen Li, Danli Shi, Mingguang He
Abstract要約: 一般世界の知識で訓練された大規模言語モデル(LLM)は、専門家レベルで医療関連タスクに取り組む能力を持っていないかもしれない。本稿では、ロールプレイング、ファインタニング、検索強化生成を含む3つの最適化戦略を用いて、眼科に特化して設計された特殊なLCMであるEyeGPTを紹介する。異なるEyeGPT変異体の性能を評価することにより、人間の眼科医に対する理解可能性、信頼性、共感のレベルに匹敵する、最も効果的なものを特定する。
参考スコア（独自算出の注目度）: 6.678252895718266
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Artificial intelligence (AI) has gained significant attention in healthcare consultation due to its potential to improve clinical workflow and enhance medical communication. However, owing to the complex nature of medical information, large language models (LLM) trained with general world knowledge might not possess the capability to tackle medical-related tasks at an expert level. Here, we introduce EyeGPT, a specialized LLM designed specifically for ophthalmology, using three optimization strategies including role-playing, finetuning, and retrieval-augmented generation. In particular, we proposed a comprehensive evaluation framework that encompasses a diverse dataset, covering various subspecialties of ophthalmology, different users, and diverse inquiry intents. Moreover, we considered multiple evaluation metrics, including accuracy, understandability, trustworthiness, empathy, and the proportion of hallucinations. By assessing the performance of different EyeGPT variants, we identify the most effective one, which exhibits comparable levels of understandability, trustworthiness, and empathy to human ophthalmologists (all Ps>0.05). Overall, ur study provides valuable insights for future research, facilitating comprehensive comparisons and evaluations of different strategies for developing specialized LLMs in ophthalmology. The potential benefits include enhancing the patient experience in eye care and optimizing ophthalmologists' services.
Abstract（参考訳）: 人工知能(ai)は、臨床ワークフローの改善と医療コミュニケーションの強化の可能性から、医療相談において大きな注目を集めている。しかし、医療情報の複雑な性質から、一般世界の知識で訓練された大規模言語モデル(LLM)には、専門家レベルで医療関連課題に取り組む能力がない可能性がある。本稿では,眼科専門の眼科用llmであるeyegptについて,ロールプレイング,微調整,検索適応生成の3つの最適化戦略を用いて紹介する。特に,眼科の様々な亜種,異なるユーザ,多様な探究意図を網羅した,多様なデータセットを含む包括的評価フレームワークを提案する。さらに, 正確性, 理解性, 信頼性, 共感, 幻覚の比率など, 複数の評価指標を検討した。異なるeyegpt変異体の性能を評価することで、ヒトの眼科医(全ps>0.05)に対する理解性、信頼性、共感のレベルに匹敵する、最も効果的なものを特定する。総じて、我々の研究は将来の研究に貴重な洞察を与え、眼科における特殊なLSMを開発するための様々な戦略の総合的な比較と評価を促進する。潜在的な利点は、アイケアにおける患者体験の向上と眼科医のサービスを最適化することである。

関連論文リスト

A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。本稿では,MVLMの概要と適用した各種医療課題について概観する。また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
論文参考訳（メタデータ） (2024-11-19T03:27:05Z)
Visual Question Answering in Ophthalmology: A Progressive and Practical Perspective [3.362457692154382]
VQA(Visual Question Answering)は、コンピュータビジョンと自然言語処理を組み合わせて、医療画像に関するクエリを理解し、応答する。本稿では, 眼科領域におけるVQAの進歩と今後の展望について, 理論的, 実用的両面から考察する。
論文参考訳（メタデータ） (2024-10-22T03:28:41Z)
VisionUnite: A Vision-Language Foundation Model for Ophthalmology Enhanced with Clinical Knowledge [26.93106207758859]
臨床知識によって強化された眼科の新しい視覚言語基盤モデルであるVisionUniteを紹介する。 VisionUniteは、124万の画像テキストペアからなる広範囲なデータセットで事前訓練されている。実験の結果,VisionUnite は GPT-4V や Gemini Pro などの既存の生成基盤モデルよりも優れていた。
論文参考訳（メタデータ） (2024-08-05T23:31:07Z)
A Role-specific Guided Large Language Model for Ophthalmic Consultation Based on Stylistic Differentiation [2.0671213754662343]
本研究では,眼科における大規模言語モデルであるEyeDoctorを提案する。眼科相談においてEyeDoctorはより高い質問応答精度を達成できることを示す実験結果を得た。
論文参考訳（メタデータ） (2024-07-26T03:23:31Z)
Eye-gaze Guided Multi-modal Alignment for Medical Representation Learning [65.54680361074882]
アイゲイズガイドマルチモーダルアライメント(EGMA)フレームワークは、アイゲイズデータを利用して、医用視覚的特徴とテキスト的特徴のアライメントを改善する。我々は4つの医療データセット上で画像分類と画像テキスト検索の下流タスクを行う。
論文参考訳（メタデータ） (2024-03-19T03:59:14Z)
When Eye-Tracking Meets Machine Learning: A Systematic Review on Applications in Medical Image Analysis [2.9122893700072554]
目の動きを監視し記録する技術であるアイトラッキングは、人間の視覚的注意パターンに関する貴重な洞察を提供する。複雑な人間の視覚的注意パターンが埋め込まれた視線追跡データは、人工知能(AI)開発と人間の認知を統合するための橋渡しを提供する。本稿では,医療画像解析のためのML/DLアルゴリズムの深度化のための視線追跡と手法について検討する。
論文参考訳（メタデータ） (2024-03-12T17:17:20Z)
Evaluation of General Large Language Models in Contextually Assessing Semantic Concepts Extracted from Adult Critical Care Electronic Health Record Notes [17.648021186810663]
本研究の目的は,大規模言語モデル(LLM)の実際の臨床ノートの理解と処理における性能を評価することである。 GPTファミリーモデルは、コスト効率と時間節約能力によって証明された、かなりの効率性を示している。
論文参考訳（メタデータ） (2024-01-24T16:52:37Z)
A Comprehensive Evaluation of GPT-4V on Knowledge-Intensive Visual Question Answering [53.70661720114377]
マルチモーダル・大型モデル(MLM)は視覚的理解の分野を著しく進歩させ、視覚的質問応答(VQA)の領域で顕著な能力を提供しているしかし、真の課題は知識集約型VQAタスクの領域にある。 1) モデルが視覚的手がかりを理解し、一般的な知識にどのように結びつくかを評価するコモンセンス知識、2) 画像から特定の知識を推論し、提示する際のモデルのスキルをテストする微粒な世界知識。
論文参考訳（メタデータ） (2023-11-13T18:22:32Z)
A Systematic Evaluation of GPT-4V's Multimodal Capability for Medical Image Analysis [87.25494411021066]
医用画像解析のためのGPT-4Vのマルチモーダル機能の評価を行った。 GPT-4Vは医用画像の理解に優れ、高品質な放射線診断レポートを生成する。医用視覚接地の性能は大幅に改善する必要があることが判明した。
論文参考訳（メタデータ） (2023-10-31T11:39:09Z)
Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文参考訳（メタデータ） (2023-07-30T16:08:45Z)
Align, Reason and Learn: Enhancing Medical Vision-and-Language Pre-training with Knowledge [68.90835997085557]
本稿では,3つの視点から構造化された医療知識を高めるための体系的かつ効果的なアプローチを提案する。まず、視覚エンコーダと言語エンコーダの表現を知識を通して整列する。次に,多モード融合モデルに知識を注入し,入力画像とテキストの補足として知識を用いた推論を可能にする。第3に、知識によって引き起こされるプレテキストタスクを設計することで、画像やテキストの最も重要な情報に重点を置くよう、モデルを指導する。
論文参考訳（メタデータ） (2022-09-15T08:00:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。