基于人工智能的文字图像模型的系统评估,用于产生神经外科手术中的医学插图:一个多阶段的比较研究

科学领域:

• 医学插图 医学插图
• 人工智能的人工智能是人工智能.
• 神经外科 神经外科

背景情况:

• 高质量的医学插图对于神经外科教育和沟通至关重要.
• 目前用于创建医学插图的方法可能耗时且资源密集.
• 人工智能 (AI) 在产生医疗图像方面的潜力尚未得到充分探索.

研究的目的:

• 评估人工智能模型在为血管神经外科手术生成准确,高质量的医学插图方面的有效性.
• 开发一个系统的框架来生产和评估人工智能生成的医学图像.
• 为了比较不同的AI模型 (DALL-E,Copilot,Gemini,Midjourney) 在创建神经外科插图时的性能.

主要方法:

• 测试了四种人工智能模型,以生成神经血管结构和程序的插图.
• 采用了三阶段的评估过程:概念验证,对提示策略的集中比较以及与神经外科专家的验证.
• 图像以准确性,位置,尺寸/尺度,颜色,复杂性,教育价值,相关性和美学质量进行评分.

主要成果:

• 与其他模型相比,双子座表现优越,特别是在准确性,颜色和教育价值方面.
• 先进的提示策略显著提高了大多数神经血管主题的图像质量.
• 虽然人工智能插图显示出对特定结构 (如囊性动脉瘤) 的高实用性,但复杂的解剖学仍然是一个挑战.

结论:

• 人工智能生成的医学插图,特别是双子座的医学插图,对提高神经外科教育和沟通具有重大前景.
• 先进的提示技术是优化AI图像生成的关键,但描绘复杂解剖学的挑战仍然存在.
• 已经提出了一个可重现的框架,用于将人工智能生成的医疗图像集成到临床实践中.