开源 MedRAX，胸部X光（CXR）在疾病管理和患者护理中的关键决策分析系统
一、介绍
胸部X光（CXR）在疾病管理和患者护理中的关键决策中发挥着不可或缺的作用。尽管近期创新催生了用于各种CXR解读任务的专用模型，但这些解决方案往往单独运行，限制了其在临床实践中的实用性。我们介绍MedRAX，首款多功能AI代理，将最先进的CXR分析工具和多模态大型语言模型无缝集成到统一框架中。MedRAX动态利用这些模型处理复杂的医疗查询，无需额外培训。为严格评估其能力，我们推出了ChestAgentBench，这是一个涵盖7个不同类别、共2500条复杂医疗查询的综合基准测试。我们的实验表明，MedRAX在开源和专有模型中均达到了最先进的性能，标志着自动化CXR解读系统的实际部署迈出了重要一步。
我们介绍ChestAgentBench，这是一个涵盖7个类别、涵盖2500条复杂医疗查询的综合评估框架，基于675个专家策划的临床案例构建。该基准通过以下方式评估CXR解读中的复杂多步骤推理：
- 检波
- 分类
- 地方化
- 比较
- 关系
- 诊断
- 表征
开源地址：https://github.com/bowang-lab/MedRAX。
二、特性介绍
（1）MedRAX建立在坚实的技术基础之上：
核心架构：基于 LangChain 和 LangGraph 框架
语言模型：以具备视觉功能的GPT-4o为骨干LLM
部署：支持本地和云端部署
接口：使用 Gradio 构建的生产准备接口
模块化设计：工具无关架构，便于整合新功能
（2）集成工具
视觉质量保证：利用CheXagent和LLaVA-Med实现复杂的视觉理解和医学推理
分割：采用ChestX-Dec训练的MedSAM和PSPNet模型，实现精确的解剖结构识别
接地：使用Maira-2定位医学图像中的具体发现
报告生成：实现了在 CheXpert Plus 上训练的 SwinV2 变换器，用于详细的医疗报告
疾病分类：利用TorchXRayVision的DenseNet-121检测18类病理类别
X光生成：利用伦腾进行合成CXR生成
实用工具：包括DICOM处理、可视化工具和自定义绘图功能
三、快速使用
先决条件
Python 3.8+
CUDA/GPU 以获得最佳性能
安装步骤
# Clone the repository
git clone https://github.com/bowang-lab/MedRAX.git
cd MedRAX
# Install package
pip install -e .
开始
# Start the Gradio interface
python main.py
版权声明：本站所有文章版权均归AiNeuOS所有，任何个人、媒体、网站、团体等注明来源后均可以转载。但是不得在非我站的服务器上建立镜像，否则，我站将依法保留追究相关法律责任的权利。
关注公众号：
