一个文本到图像生成人工智能模型的有效性分析,用于面解剖的插图
Syed Ali Haider1, Srinivasagam Prabha1, Cesar A Gomez-Cabello1
1Division of Plastic Surgery, Mayo Clinic, Jacksonville, FL 32224, USA.
Journal of clinical medicine
|April 12, 2025
概括
生成型人工智能 (GAI) 可以快速创建用于教育的面解剖图像,但目前的模型在解剖学准确性和细节方面显示出重大缺陷. 精炼和道德保障对于安全使用至关重要.
科学领域:
- 医疗教育 技术 技术 医学教育
- 人工智能在解剖学中的作用
- 数字插图数字插图
背景情况:
- 解剖学准确的插图对于医学教育至关重要.
- 生成型人工智能 (GAI) 为自动化插图创作提供了潜力.
- 这项研究评估了GAI对面解剖学的说明.
研究的目的:
- 评估GAI模型用于生成面解剖图案.
- 比较不同的GAI模型 (Midjourney,DALL-E3,Gemini,稳定扩散) 的性能.
- 评估解剖学准确性,美学,可用性和成本效益.
主要方法:
- 使用四个GAI模型生成了736张面解剖图像.
- 用油画和现实的摄影风格制作的图像.
- 由四位评论员对细节,美学,可用性和成本进行评估.
主要成果:
- 达尔-E 3在解剖细节和可用性方面表现出色;中途旅行在美学和成本方面.
- 所有模型都在描绘关键解剖特征 (如孔腔和神经血管结构) 中表现出缺陷.
- 评价者之间的高可靠性 (ICC = 0.858) 证实了一致的评价.
结论:
- GAI对快速的面解剖学插图有希望,但有局限性.
- 不足够的训练数据和解剖学理解阻碍了目前的GAI性能.
- 模型改进,专家反和道德考虑对于安全实施至关重要.


