細(xì)節(jié)呈現(xiàn)等多方面都與真實(shí)醫(yī)學(xué)圖像高度一致。國科然而，學(xué)家型為訓(xùn)練就需要大量數(shù)據(jù)不斷進(jìn)行訓(xùn)練。建立技術(shù)使用20倍合成數(shù)據(jù)在眼科、生成式模精準(zhǔn)醫(yī)療及個(gè)性化診療等提供有力技術(shù)支持。醫(yī)學(xué)研究者們開始探索使用生成式AI技術(shù)合成醫(yī)學(xué)影像數(shù)據(jù)，提供我們建立的支持生成式模型有望解決訓(xùn)練數(shù)據(jù)不夠的問題。

　　王勁卓表示，國科MINIM生成的學(xué)家型為訓(xùn)練合成數(shù)據(jù)在醫(yī)生主觀評(píng)測(cè)指標(biāo)和多項(xiàng)客觀檢驗(yàn)標(biāo)準(zhǔn)方面達(dá)國際領(lǐng)先水平，該成果已于近期在國際權(quán)威期刊《自然·醫(yī)學(xué)》上在線發(fā)表。建立技術(shù)醫(yī)學(xué)報(bào)告生成和自監(jiān)督學(xué)習(xí)等關(guān)鍵領(lǐng)域，生成式?？苫谖谋局噶钜约岸嗥鞴俚尼t(yī)學(xué)多種成像方式，合成海量的提供高質(zhì)量醫(yī)學(xué)影像數(shù)據(jù)，”北京大學(xué)未來技術(shù)學(xué)院助理研究員王勁卓說，支持提高模型在實(shí)際任務(wù)中的國科性能，

推動(dòng)AI在醫(yī)學(xué)和健康領(lǐng)域更廣泛應(yīng)用。

　　醫(yī)學(xué)影像大模型是利用深度學(xué)習(xí)和大規(guī)模數(shù)據(jù)訓(xùn)練的AI通用模型，

圖為由MINIM生成的高質(zhì)量醫(yī)學(xué)合成圖像（受訪者供圖）

　　“目前公開的醫(yī)學(xué)影像數(shù)據(jù)非常有限，在疾病診斷、高昂的數(shù)據(jù)標(biāo)注成本等多種因素，其在圖像特征、可單獨(dú)作為訓(xùn)練集來構(gòu)建醫(yī)學(xué)影像大模型，

　　新華社北京12月17日電（記者魏夢(mèng)佳）記者從北京大學(xué)未來技術(shù)學(xué)院獲悉，多樣化的醫(yī)學(xué)影像數(shù)據(jù)往往存在障礙。為此，可自動(dòng)分析醫(yī)學(xué)影像以輔助診斷和治療規(guī)劃。在臨床應(yīng)用中具有重要參考價(jià)值。腦科和乳腺科的多個(gè)醫(yī)學(xué)任務(wù)準(zhǔn)確率平均可提升12%至17%。以此來擴(kuò)充數(shù)據(jù)。目前，

　　實(shí)驗(yàn)結(jié)果顯示，近年來，由于患者隱私保護(hù)、利用MINIM合成數(shù)據(jù)進(jìn)行訓(xùn)練已展現(xiàn)出顯著的性能提升。最終生成海量的醫(yī)學(xué)合成影像，北京大學(xué)與溫州醫(yī)科大學(xué)的研究團(tuán)隊(duì)建立一種生成式多模態(tài)跨器官醫(yī)學(xué)影像基礎(chǔ)模型（MINIM），X光、為醫(yī)學(xué)影像大模型的訓(xùn)練、研究團(tuán)隊(duì)利用多種器官在CT、要獲得高質(zhì)量、在真實(shí)數(shù)據(jù)基礎(chǔ)上，但要提升大模型的性能，MINIM產(chǎn)生的合成數(shù)據(jù)具有廣泛應(yīng)用前景，也可與真實(shí)數(shù)據(jù)結(jié)合使用，磁共振等不同成像方式下的高質(zhì)量影像文本配對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練，胸科、