大型语言模型的360度视图:使用多视图眼动记录在儿童中早期发现眼盲
Dipak P Upadhyaya1, Aasef G Shaikh2, Gokce Busra Cakir3
1Department of Population & Quantitative Health Sciences, School of Medicine, Case Western Reserve University, Cleveland, OH, USA.
medRxiv : the preprint server for health sciences
|May 20, 2024
概括
这项研究使用双子座大语言模型 (LLM) 和眼睛跟踪数据来诊断儿童的眼盲 (眼). 这种新方法结合了医疗专家的反,达到80%的准确性,为早期检测提供了一个有前途的工具.
科学领域:
- 眼科和人工智能的人工智能
- 计算神经科学是一种神经科学.
- 儿科视觉健康 儿科视觉健康
背景情况:
- 眼 (Amblyopia) 是一种常见的神经发育视觉障碍,影响全球3%至5%的儿童,如果不及早诊断,可能导致不可逆转的视力丧失.
- 传统的双眼视障碍诊断依赖于主观方法和专家对眼动的解释,在资源有限的环境中构成挑战.
- 现有的诊断工具缺乏客观的,可扩展的解决方案,用于广泛的野眼查.
结论:
- 可以有效地应用LLM来分析眼睛跟踪数据以诊断眼盲,提供客观和可扩展的解决方案.
- 医学专家增强生成 (MEAG) 代表了RAG的成功适应,用于特殊的医疗应用,如眼检测.
- 开发的分类工具显示了改善眼症的早期诊断和管理的巨大潜力,特别是在服务不足的地区.
更多相关视频
07:36Eye Tracking During Visually Situated Language Comprehension: Flexibility and Limitations in Uncovering Visual Context Effects
Published on: November 30, 2018
15.7K
09:27Using Eye Movements Recorded in the Visual World Paradigm to Explore the Online Processing of Spoken Language
Published on: October 13, 2018
10.0K
