应用物体检测和大语言模型,建立一个智能远程医疗诊断系统与聊天机器人:压力损伤诊断系统的案例研究
Chun-Chia Chen1,2, Chia-Jung Wei3, Tsung-Yu Tseng3
1Institute of Medicine, Chung Shan Medical University, Taichung, Taiwan, ROC.
概括
这项研究引入了使用YOLOv7的智能远程医疗系统和用于准确压力损伤诊断的大型语言模型. 该系统提供实时远程评估和指导,改善患者护理.
科学领域:
- 医学技术 医学技术 医学技术
- 医疗保健中的人工智能
- 数字健康数字健康
背景情况:
- COVID-19加剧了医疗资源的短缺,突出了伤口评估中远程医疗的局限性.
- 由于时间,资源强度和不一致性,评估压力损伤具有挑战性.
- 现有的远程医疗平台往往具有复杂的接口和有限的信息传播.
研究的目的:
- 开发一个智能远程医疗诊断系统,集成YOLOv7和大型语言模型 (LLM).
- 为了能够准确,远程分类和实时检测压力损伤.
- 增强远程医疗能力,以改善患者管理和指导.
主要方法:
- 在临床数据集上训练YOLOv7模型,对六种压力损伤类型进行数据增强.
- 开发一个响应式的基于Web的前端与一个ChatGPT集成的聊天机器人.
- 集成个人信息管理数据库,以实现系统功能.
主要成果:
- 实现了实用的压力伤害分阶段分类模型,平均F1得分为0.9238.8.
- 该系统提供实时,准确的远程诊断和处方建议.
- 患者根据症状严重程度获得寻求适当医疗帮助的指导.
结论:
- 建立了一个智能远程医疗辅助诊断系统,利用YOLOv7进行分类和实时检测.
- 该系统在电话咨询期间立即提供诊断信息和处方建议.
- 集成的ChatGPT聊天机器人促进了高效的用户交互和目标实现.
