![arXiv:2406.10729v1 [cs.LG] 2024 年 6 月 15 日](/simg/1/1d883a67dcaed3567e697f15cdb19f604e910a1e.png)
机构名称：
¥ 2.0
摘要 — 基础模型 (FM) 是在海量数据集上训练的大规模深度学习模型，通常使用自监督学习技术。这些模型可作为各种下游任务（包括医学和医疗保健任务）的多功能基础。FM 在多个医疗保健领域取得了显著的成功。然而，该领域的现有调查并未全面涵盖 FM 取得重大进展的所有领域。在本次调查中，我们对医学领域的 FM 进行了全面回顾，重点关注其发展、学习策略、旗舰模型、应用和相关挑战。我们研究了 BERT 和 GPT 系列等著名 FM 如何改变医疗保健的各个方面，包括临床大型语言模型、医学图像分析和组学研究。此外，我们还提供了支持 FM 的医疗保健应用的详细分类，涵盖临床自然语言处理、医学计算机视觉、图形学习和其他与生物学和组学相关的任务。尽管 FM 具有变革潜力，但它们也带来了独特的挑战。本次调查深入探讨了这些挑战，并重点介绍了未解决的研究问题和经验教训，以指导研究人员和从业人员。我们的目标是提供有关 FM 在健康方面的能力的宝贵见解，促进负责任的部署并减轻相关风险。
arXiv:2406.10729v1 [cs.LG] 2024 年 6 月 15 日
主要关键词
![arXiv:2406.10729v1 [cs.LG] 2024 年 6 月 15 日PDF文件第1页](/bimg/d/d2f5929b3ab928a30ccd36b1cf9a951e6dc54069.webp)
![arXiv:2406.10729v1 [cs.LG] 2024 年 6 月 15 日PDF文件第2页](/bimg/a/a7acf27dbf93035d7de1eed4c0cbd70c47bc64d2.webp)
![arXiv:2406.10729v1 [cs.LG] 2024 年 6 月 15 日PDF文件第3页](/bimg/e/e245982a730226a29564002ae91b36272002cc10.webp)
![arXiv:2406.10729v1 [cs.LG] 2024 年 6 月 15 日PDF文件第4页](/bimg/c/cfd42ac9cc7998f90e6b2e0afe9c9a9b1efbbd0d.webp)
![arXiv:2406.10729v1 [cs.LG] 2024 年 6 月 15 日PDF文件第5页](/bimg/4/44d19c18e046f9d4366b1df0b73e9454e1808bf7.webp)
相关文件推荐
![arXiv:2311.03764v4 [cs.LG] 2024 年 3 月 2 日](/simg/6/65d1deaefd3b0ae77e262828e98179c63a5a5134.png)
![arXiv:2406.03256v1 [quant-ph] 2024 年 6 月 5 日](/simg/2/27f4f3bc2290bd8b43077955ede60e82afd90503.png)
![arXiv:2403.00669v1 [cs.LG] 2024 年 3 月 1 日](/simg/6/6d2cba03da31fad9740548417433eee9d023508e.png)
![arXiv:2401.02344v1 [cs.LG] 2024 年 1 月 4 日](/simg/3/33969f2d6df82554df6878e78b2420d22a4c30e8.png)
![arXiv:2406.18662v1 [quant-ph] 2024 年 6 月 26 日](/simg/b/bb2fa075e350d32e7110994b026449abf44f3c4a.png)
![arXiv:2406.07305v1 [quant-ph] 2024 年 6 月 11 日](/simg/c/c1ffc5048c64fc8eddd28b8a08b4a494f004f771.png)
![arXiv:2406.06681v1 [hep-th] 2024 年 6 月 10 日](/simg/c/c5a130adc6727b018ef3bde65fca3b6679bf816e.png)
![arXiv:2403.18486v1 [cs.LG] 2024 年 3 月 27 日](/simg/b/b8126dc36ca7c3b3066b8cdc012c95e254ab1d22.png)
![arXiv:2307.00364v2 [cs.LG] 2024 年 5 月 28 日](/simg/a/a6e1b4d82219ab22304fde72b617fd5fbb6bdfe6.png)
![arXiv:2406.15601v1 [quant-ph] 2024 年 6 月 21 日](/simg/2/22320909eeb7ca1ef3f1fed0fa128d2f65b18ddc.png)
![arXiv:2401.06899v1 [cs.LG] 2024 年 1 月 12 日](/simg/4/4c9775c122729d279ec2c6eb58cdf72cd726385d.png)
![arXiv:2309.08629v3 [physics.ed-ph] 2024 年 3 月 15 日](/simg/e/eb1188804ad435c66128e074dabf809b705dd7f2.png)
![arXiv:2406.05197v1 [quant-ph] 2024 年 6 月 7 日 - Richerme Lab](/simg/0/0db710bf8a82f527a23d4a619f14c201a7da5092.png)
![arXiv:2408.08423v1 [physics.app-ph] 2024 年 8 月 15 日](/simg/f/f83e84219529048324e91468c0168dfca898da3f.png)
![arXiv:2402.05138v1 [cs.AI] 2024 年 2 月 6 日](/simg/a/a88ffeefc81f01e0c2bd0166d654268028a7ad0c.png)
![arXiv:2312.10370v2 [cs.AI] 2024 年 3 月 28 日](/simg/9/91f7af3b87a107a56902207b93b27804eae3aa2b.png)
![arXiv:2110.11385v3 [cs.AI] 2024 年 2 月 29 日](/simg/0/0dd4026aa24ddd39f4a46f7995d9b38f822905d2.png)
