大型语言模型在放射学图像解读中的表现：与人类读者的比较研究 学术背景 近年来，大型语言模型（Large Language Models, LLMs）在多个领域展现了强大的能力，尤其是在自然语言处理方面。随着多模态LLMs的发展，这些模型不仅能够处理文本，还能够处理音频、视觉和视频等多种输入形式。代表性的多模态LLMs包括OpenAI的GPT-4 Turbo with Vision（GPT-4V）、Google DeepMind的Gemini 1.5 Pro以及Anthropic的Claude 3。这些模型在放射学领域的应用也逐渐增多，尤其是在生成和结构化放射学报告方面。然而，尽管LLMs在文本输入方面表现出色，其在解读放射学图像方面的能力仍然受到质疑。此前的研究表明，LLMs在基于患者病史和...

GPT-4在胸部X光片评估中的潜力：一项回顾性研究 学术背景 近年来，人工智能（AI）在医疗领域，尤其是放射学中的应用日益广泛。AI工具的引入正在改变临床实践，尤其是在影像诊断中。然而，AI工具的广泛采用面临诸多挑战，包括资金不足、信息技术（IT）集成效率低下以及验证不足等问题。此外，医疗专业人员，尤其是放射科医生，普遍缺乏足够的统计学知识，这进一步阻碍了他们对AI工具的深入理解和应用。随着放射学研究越来越依赖于数据驱动技术，放射科医生需要具备批判性评估统计方法及其局限性的能力。 大型语言模型（LLMs），如OpenAI的GPT-4，因其能够理解自然语言、推理和解释复杂信息的能力，逐渐在放射学中得到认可。GPT-4的Advanced Data Analysis（ADA）扩展功能使其能够分析数...

大型视觉语言模型在放射学中的应用：GPT-4V的多模态与多解剖区域能力定量评估 学术背景 近年来，大型语言模型（Large Language Models, LLMs）如OpenAI的ChatGPT在文本生成领域取得了显著进展。这些模型基于Transformer架构，通过海量文本数据进行训练，能够在无需大量示例的情况下生成可信的文本输出（few-shot learning和zero-shot learning）。LLMs在医学领域的应用也日益广泛，例如将自由文本的放射学报告转换为标准化模板，以及从肺癌的CT报告中挖掘数据。此外，LLMs在放射学考试中的表现也显示出其具备一定的“知识”储备，并能够帮助简化放射学报告。 随着GPT-4V（GPT-4 with Vision）的推出，模型不仅能够处...