Des articles chinois paraissent dans des revues universitaires internationales : démontrant les applications de l'IA générative

[Global Network Technology Comprehensive Report] Selon l'actualité du 14 septembre, la revue académique internationale "Nature" et le magazine "Nature Communications" ont récemment publié un rapport de SenseTime Technology et de partenaires industriels, combinant l'intelligence artificielle générative et les données d'images médicales. Les derniers résultats de la recherche publié par Multi-center Federated Learning sont « Exploitation de données médicales hétérogènes multicentriques grâce à l'apprentissage synthétique distribué ».

L'article propose un cadre d'apprentissage fédéré DSL basé sur des réseaux antagonistes synthétiques distribués, qui peut utiliser diverses données d'images médicales multicentriques pour apprendre conjointement la génération de données d'images. Ce cadre distribué obtient un générateur de données d'image grâce à l'apprentissage, qui peut générer des données de manière plus flexible. Ces données générées peuvent remplacer les données réelles provenant de plusieurs centres pour la formation de tâches d'apprentissage automatique spécifiques en aval et ont une forte évolutivité.

Selon les rapports, le cadre DSL peut résoudre intelligemment le goulot d'étranglement courant lié au volume de données insuffisant dans la formation de grands modèles médicaux tout en protégeant la confidentialité des données. Il peut efficacement permettre la formation de grands modèles MaaS et apporter des avancées majeures dans l'itération de développement de grands modèles médicaux. Avec le soutien de cette technologie, la « Medical Large Model Factory » de SenseTime peut aider les établissements médicaux à former de grands modèles médicaux pour différents problèmes cliniques de manière plus efficace et de haute qualité, étendant ainsi le rayon d'application des grands modèles dans le domaine médical.

Il convient de mentionner que le cadre DSL a été vérifié dans plusieurs applications spécifiques, notamment la génération d'images IRM multi-séquences cérébrales et les tâches de segmentation des tumeurs cérébrales en aval, la génération d'images CTA cardiaques et les tâches de segmentation de la structure du cœur entier en aval, la génération d'images pathologiques de plusieurs organes. et les tâches de segmentation des instances de noyau cellulaire, etc. En termes d'évolutivité, cette méthode peut également prendre en charge différents scénarios tels que la génération de données modales manquantes dans les données multimodales et l'apprentissage continu.

Dans la zone d'exposition de l'hôpital Ruijin, le système de planification intelligente de chirurgie hépatique SenseCare® a attiré l'attention de nombreux visiteurs avec ses fonctions efficaces et précises de détection des lésions, de reconstruction tridimensionnelle et de planification chirurgicale. Quelques minutes suffisent pour transformer une image tomodensitométrique bidimensionnelle du foie en un modèle tridimensionnel clair. En faisant doucement glisser la souris, les médecins peuvent personnaliser la section, l'angle et la position de déconnexion des vaisseaux sanguins sur le modèle, les aidant ainsi à réaliser une planification précise de la chirurgie hépatique en quelques minutes

Il est rapporté qu'avec le lancement du cadre DSL, la formation de grands modèles médicaux devrait briser les chaînes des « îlots de données », abaissant dans une certaine mesure le seuil de formation des grands modèles médicaux, contribuant ainsi à accélérer le développement de modèles. itérations et rendre le développement de grands modèles médicaux plus efficace. Le champ d'application peut être encore étendu pour couvrir davantage de problèmes médicaux cliniques.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!