6 月 14 日消息，日前微軟研究人員展示了 LLaVA-Med 模型，該模型主要用於生物醫學方面的研究，可根據 CT、X 光圖片等推測出患者的病理狀況。
據悉，微軟研究人員與一群醫院合作，獲得了使用生物醫學影像文字對應大型資料集來訓練多模態 AI 模型。此資料集包括胸部 X 光、MRI、組織學、病理學和 CT 影像等，覆蓋範圍相對全面。
▲ 圖源微軟
微軟使用GPT-4，基於Vision Transformer 和Vicuna 語言模型，在八個英偉達A100 GPU 上對LLaVA-Med進行訓練，其中包含“每個圖像的所有預分析信息”，用於生成有關圖像的問答，以滿足“可自然語言回答有關生物醫學圖像問題”的助手願景。
在學習過程中，模型主要圍繞著「描述此類影像的內容」以及「闡述生物醫學概念（IT之家註：從圖片中判斷是什麼樣的）」而展開。 據微軟稱，該模型最終具有「出色的多模式對話能力」、「在用於回答視覺問題的三個標準生物醫學數據集上，LLaVA-Med 在部分指標上領先於業界其他先進模型」。
▲ 圖源微軟
研究團隊表示：「雖然我們認為LLaVA-Med 模型代表了朝著建構有用的生物醫學視覺助理邁出的重要一步，但當下LLaVA-Med 模型還存在一定的不足之處，即大模型常見的虛假舉例和準確度不佳的問題，研究團隊未來將專注於提高模型的品質和可靠性，以令模型有朝一日可以在商業生物醫學中應用。」
IT之家注意到，目前該模型已經開源，大家可以在GitHub 找到相關資訊。
以上是微軟推出 LLaVA-Med AI 模型，可對醫學病理案例進行分析的詳細內容。更多資訊請關注PHP中文網其他相關文章！
