【课题推荐发表期刊】

【课题背景】

大语言模型（如GPT-4、BERT）的广泛应用正在重塑自然语言处理领域，并显示出在医学和科学领域的巨大潜力。这些模型通过其强大的文本生成和理解能力，能够处理复杂的语言任务，为医学文本生成、临床决策支持和医学文献分析等提供了新的解决方案，推动医疗和科学研究的智能化发展。

本课题将探索如何利用大语言模型生成领域特定文本（如病历摘要、科研报告）及辅助医学诊断和科研决策。在医学领域，大语言模型可以通过对大量医学文献和临床数据的学习，生成高质量的病历摘要和诊断报告，研究人员可以更高效地把握研究方向，避免重复劳动。

【课题方向参考】

• 开发一种针对医学文本的领域自适应语言模型训练框架，提升模型对医学术语和病理数据的理解能力。

• 设计用于生成医学报告的高可信度文本生成模型，解决现有模型可能的“幻觉”问题。

• 探索基于大语言模型的医学知识图谱自动构建与推理技术。

【适合人群】

本科以上，会使用python

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

Dr. Zhou，C9高校计算机博士，QS10高校博士后

• 累计发表发文总数30+，SCI一区15+（Nature子刊，TMI，MEDIA等），其中第一作者12篇，包括计算机科学和医学方面的出版物：MICCAI（医学成像顶级计算会议，CORE排名A），Nature Cardiovascular Research, IEEE Transactions on medical imaging (TMI), Medical Image Analysis (MEDIA)（医学成像顶级期刊）

• H-index: 13（截至2025年1月4日）

• 担任MICCAI 2022-2024（医学影像领域顶级计算会议，核心A级）、TMI、MEDIA、Scientific Reports、MICS、CSUR（医学影像领域顶级期刊）审稿人

• 辅导过10-15名学生，辅导学生发过SCI文章、CCF B论文、毕业论文，成功率100%

• 擅长给一个idea，引导学生自我启发，从实验到发表，完成整个项目

• 可提供课题基金申报指导、保研指导、申博指导、海外高校申请指导；可提供开源代码并指导复现；可提供部分开放研究数据；可撰写推荐信；期刊内推资源；就业/实习机会推荐

【课题安排】

研究周期预估六个月左右，具体视学员情况调整。

【推荐阅读】

2025 A comprehensive survey of large language models and multimodal large language models in medicine

2024 Large language model to multimodal large language model: A journey to shape the biological macromolecules to biological sciences and medicine