MAKE
模型概述
該模型利用多方面的知識增強視覺-語言預訓練技術,專注於零樣本皮膚病評估,能夠在不依賴特定訓練數據的情況下進行皮膚病分析和診斷。
模型特點
零樣本學習能力
無需特定皮膚病訓練數據即可進行評估和分類
多方面知識增強
整合了臨床本體知識等多方面信息提升模型性能
大規模數據集支持
基於百萬級皮膚病視覺-語言數據集Derm1M訓練
模型能力
皮膚病圖像分類
零樣本皮膚病評估
臨床診斷輔助
皮膚病特徵分析
使用案例
醫療診斷
皮膚病初步篩查
幫助醫生快速識別和分類常見皮膚病
提高診斷效率和準確性
遠程皮膚病諮詢
支持遠程醫療中的皮膚病評估
擴大醫療服務覆蓋範圍
醫學研究
皮膚病特徵分析
輔助研究人員分析皮膚病視覺特徵
促進皮膚病學研究發展
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98