在 AI for Science 的规模化推广过程中,低门槛使用且开源的高性能工具至关重要。一方面,科研人员能够通过上手使用,更加直观地了解 AI 的能力;另一方面,当团队中缺乏交叉学科人才时,已有工具能够减少科研人员探索 AI 应用的成本,加速研究进程。
为了方便大家检索易用的开源工具,HyperAI超神经将面向不同的学科领域,定期汇总整理优质工具资源。如果大家发现好用的工具,也欢迎以后台留言的形式分享给我们!
本期介绍的是医疗健康领域的工具资源:
* AI-Rad Companion:提高医学影像解读的准确度
* CAT-ViL:实现手术视频可视化解答
* Derm Foundation:可用于开发皮肤病学的自定义机器学习模型
* Ersilia:传染病和被忽视疾病模型中心
* 上海 AI 实验室开源医疗大模型群「浦医 2.0」
* 国内首个医疗专科推理数据集 RJUA-QA 开源
* paperai :医学/科学文献发现和审阅引擎
AI-Rad Companion:提高医学影像解读的准确度
AI-Rad Companion 由 SIEMEMS-Healthineers 推出,可以提供多模式成像决策支持,帮助医生减少基础的重复性工作,提高医学影像解读的准确度。此外,该工具能够自动识别胸部 X 光片中的异常,如肺部结节,提高放射科医生的工作效率。
资源地址:
https://www.siemens-healthineers.com/digital-health-solutions/ai-rad-companion
CAT-ViL:实现手术视频可视化解答
医科学生在学习外科手术时,经常要依靠资深外科医生和专家为他们答疑解惑。然而,专家往往忙于临床和学术工作,时间紧迫。针对于此,CAT-ViL 基于深度学习,能够对医生的手术视频步骤进行可视化解答,帮助年轻医生更好地理解和掌握复杂的手术步骤,提升医疗行业的教学效率。
资源地址:
https://github.com/longbai1006/CAT-ViL
Derm Foundation:可用于开发皮肤病学的自定义机器学习模型
Derm Foundation 是一个从皮肤图像生成嵌入的工具。与传统的模型开发方法相比,其可用于开发皮肤病学的自定义机器学习模型,数据和计算量更少。
资源地址:
https://github.com/Google-Health/imaging-research/tree/master/derm-foundation
Ersilia:传染病和被忽视疾病模型中心
Ersilia Model Hub 是一个预训练 AI/ML 模型的统一平台,致力于传染病和被忽视疾病 (neglected disease) 的研究。平台提供开源、低代码的解决方案,助力药物发现。
资源地址:
https://github.com/ersilia-os/ersilia
上海 AI 实验室开源医疗大模型群「浦医 2.0」
近日,上海 AI 实验室与上海交通大学医学院附属瑞金医院等合作伙伴联合发布医疗多模态基础模型群「浦医 2.0」 (OpenMEDLab2.0),实现了医疗大模型群「产、学、研、用、评」一站式开源,旨在为「跨领域、跨疾病、跨模态」的 AI 医疗应用提供能力支持。
资源地址:
github.com/OpenMEDLab
国内首个医疗专科推理数据集 RJUA-QA 开源
蚂蚁集团与上海仁济医院泌尿科专家团队联合研发,基于医生团队临床经验,通过构造模拟病例数据的方式,推出了首个中文医疗专科问答推理数据集 RJUA-QA,数据集由训练、验证、测试三部分组成,包含 2,132 个 QA 问答对,Context 来自于中国泌尿外科和男科疾病诊断治疗指南。病种覆盖了 97.6% 以上的泌尿科就医人群,能真实复刻诊疗场景。
资源地址:
http://openkg.cn/dataset/rjua-qadatasets
paperai :医学/科学文献发现和审阅引擎
paperai 是一款由 AI 驱动的医学/科学论文文献发现和审阅引擎。该工具运行 query 筛选出符合特定标准的论文,并执行基于问答提取技术的 report 功能,从一组医疗/科学论文中找出关键问题的答案。paperai 已被用于分析 COVID-19 开放研究数据集 (CORD-19),并在 CORD-19 Kaggle 挑战赛中获得多个奖项。
资源地址:
https://paperpal.com/paperpal-for-researchers
往期推荐
戳“阅读原文”,免费获取海量数据集资源!