基于ViT,3D U-Net, Attention U-Net, ResNet等卷积神经网络技术, 实现了医院CT、X光、MRI、超声、数字病理WSI 切片等数据的采集，移除 DICOM个人敏感信息，实现病灶目标检测，实例分割，3D 语义分割，图像分类，多模态定位，输出病灶检测 /分割结果；把病灶检测的结果，组成训练样板数据送给大模型Wlink进行预训练，后训练，及其对齐算法，完成了多模态大模型Wlink1.1 VL底座建设，以及在此基础上的AI辅助诊断系统，实现从预约挂号到辅助诊断的全流程。
基于ViT,3D U-Net, Attention U-Net, ResNet等卷积神经网络技术, 实现了医院CT、X光、MRI、超声、数字病理WSI 切片等数据的采集，移除 DICOM个人敏感信息，实现病灶目标检测，实例分割，3D 语义分割，图像分类，多模态定位，输出病灶检测 /分割结果；把病灶检测的结果，组成训练样板数据送给大模型Wlink进行预训练，后训练，及其对齐算法，完成了多模态大模型Wlink1.1 VL底座建设，以及在此基础上的AI辅助诊断系统，实现从预约挂号到辅助诊断的全流程。
基于ViT,3D U-Net, Attention U-Net, ResNet等卷积神经网络技术, 实现了医院CT、X光、MRI、超声、数字病理WSI 切片等数据的采集，移除 DICOM个人敏感信息，实现病灶目标检测，实例分割，3D 语义分割，图像分类，多模态定位，输出病灶检测 /分割结果；把病灶检测的结果，组成训练样板数据送给大模型Wlink进行预训练，后训练，及其对齐算法，完成了多模态大模型Wlink1.1 VL底座建设，以及在此基础上的AI辅助诊断系统，实现从预约挂号到辅助诊断的全流程。
评论