本技术涉及一种基于混合模式的医学数字切片报告自动生成方法,包括:获取数字切片‑报告数据集,对数字切片‑报告数据集中的报告部分进行处理,获取数字切片‑问答数据集;对多模态模型进行训练;将多模态模型部署在服务器上;获取针对数字切片的问答对;根据数字切片的问答对,对大语言模型进行微调;并根据微调后的大模型生成医学诊断报告。本发明的有益效果是:本发明不依赖于大量的模板设计,而是通过结合模板方法和神经网络方法,这使得模型能够处理更多种类的医学切片,并生成针对性的诊断报告,提高了模型的灵活性和适应性。并且,本发明在深度神经网络自动生成诊断报告的基础上,对产生报告的细节有所把控。
背景技术
病理专家针对染色的医学切片撰写报告,不仅耗时费力,还容易出错。这导致诊断报告生成的时间周期长,且准确率有所缺失。因此,借助人工智能的手段能够有效辅助医生的就诊效率,对于一些潜在的病状,也能在第一时间发现。
目前,常用的病理报告生成模型大致分为两类,基于模板的传统方法和基于深度神经网络的方法。对于传统基于模板方法,优点在于模板结构清晰,且针对疾病的目的性较强,缺点在于不同疾病需要设计大量的模板。而基于深度学习的报告自动生成模型,大多只关注生成报告的流畅性,却缺乏对生成细节准确性的评估。
实现思路