# 臨床決策支持

MedGemma-4B-it-Q8_0-GGUF 是基於 google/medgemma-4b-it 轉換而來的 GGUF 格式模型，專為醫療領域的圖像文本到文本任務設計。

基於Qwen3-0.6B微調的醫學推理模型，專為臨床決策支持和醫學教育設計

Citrus是一種醫學語言模型，通過模擬醫學專家的認知過程，彌合了臨床專業知識與AI推理之間的差距。

基於BERT構建並在MedText數據集上微調的文本分類模型，用於根據用戶報告的症狀預測潛在的醫療狀況。

GEM是一款融合心電時間序列、12導聯心電圖像與文本的多模態大語言模型，可實現基於臨床證據的心電解讀。

基於Llama架構蒸餾優化的8B參數醫療問答模型，通過專業醫學數據微調提升臨床決策支持能力

這是一個基於DeepSeek-R1微調的醫療領域問答模型，專注於處理醫療相關的文本生成任務。

基於DeepSeek-R1-Distill-Llama-8B模型微調的醫學推理模型，優化了思維鏈推理和臨床決策能力

基於Bio-Medical-Llama-3-8B和Deepseek蒸餾版Llama 8B的微調升級版本，通過引入思維鏈（COT）指令集實現了高級推理能力，專注於醫療健康與生命科學領域。

基於Llama-3.2-1B-Instruct微調的生物醫學專用模型，包含62.5萬樣本訓練數據，特別加入2.5萬條思維鏈(CoT)指導樣本增強推理能力

Llama3.1-Aloe-Beta-8B是一款開源醫療大語言模型，在多項醫療任務中達到最先進水平。

基於Llama-3-8B-Instruct微調的多模態生物醫學模型，支持文本與圖像處理，適用於生物醫學領域的研究與臨床應用。

Bio-Medical-Llama-3-8B是基於Llama-3-8B-Instruct微調的高性能生物醫學語言模型，專為生物醫學應用設計，覆蓋廣泛的生物醫學主題。

梅林是針對計算機斷層掃描的3D視覺語言模型，預訓練過程同時利用結構化電子健康檔案與非結構化放射學報告。

專注於臨床醫學的大語言模型，特別關注資源匱乏地區和人道主義環境

Palmyra-Med是Writer專為醫療健康領域設計的大語言模型，在生物醫學基準測試中表現優異，領先於多個主流模型。

由John Snow Labs開發的醫療領域大語言模型，基於Microsoft Phi-2架構優化

CheXagent是一個專注於胸部X光解讀的基礎模型，旨在輔助醫療影像分析。

一個基於多模態Transformer的放射學報告生成和醫學對話系統，能夠分析胸部X光片並生成相關報告或回答醫學問題。

這是一個基於胸部X光圖像的文本生成模型，能夠根據醫學影像生成放射學印象報告。

OpenBioLLM-70B是專為生物醫學領域設計的先進開源語言模型，基於Meta-Llama-3-70B-Instruct微調，在生物醫學任務中表現卓越。

由醫學醫生訓練的大型醫療領域語言模型，首個在MedQA（USMLE）考試中得分超過60%及格線的7b模型

CheXagent是一個專注於胸部X光解讀的基礎模型，旨在提升醫學影像分析的準確性和效率。

CheXagent是一個用於胸片解讀的基礎模型，能夠自動分析和解讀胸部X光片。

CheXagent是一個專注於胸片解讀的基礎模型，旨在通過先進的人工智能技術提升醫學影像分析的準確性和效率。

CheXagent 是一個專注於胸部X光解讀的基礎模型，旨在通過先進的視覺語言處理技術提升醫學影像分析的準確性和效率。

CheXagent是一個專門用於胸部X光解讀的基礎模型，能夠自動分析和解釋胸部X光圖像。

CheXagent是一個專門用於胸部X光解讀的基礎模型，旨在通過先進的人工智能技術輔助醫學影像分析。

RadLLaMA-7b是斯坦福AIMI團隊開發的針對放射學領域的基礎語言模型，基於LLaMA2架構。

Med42是由M42開發的700億參數臨床大語言模型，基於LLaMA-2架構，專注於醫學知識問答和臨床決策支持。

臨床駱駝是一個基於LLaMA-2 70B架構、採用QLoRA微調的開源大語言模型，專為醫學和臨床研究領域定製。

基於12億單詞多中心醫療數據集訓練的臨床語言模型，支持電子健康記錄分析

這是一個用於醫療健康領域文本分類的自動訓練模型，專注於識別健康社會決定因素(SDOH)相關內容。

該模型基於意大利生物醫學數據進行訓練，專注於處理意大利語的生物醫學相關內容。

基於PubMed摘要預訓練並在MIMIC-III臨床筆記上繼續訓練的BERT模型，用於臨床決策支持