科研导师
QM帝国理工大学助理研究员
导师介绍
研究领域：大语言模型,多模态网络,医学影像,自然图像,数字孪生 学术成果：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
大语言模型在医学与科学领域应用的关键技术及效能评估研究
- 课题名称
- 大语言模型在医学与科学领域应用的关键技术及效能评估研究
- 学科专业
- 课题关键词
- 辅导模式
- 1对1
- 发表目标
- SCI期刊1-2区
- 课题介绍
- 近年来，以Transformer架构为核心的大语言模型（LLMs）凭借强大的自然语言理解与生成能力，在通用领域实现了突破性进展，并逐步向医学、生命科学等专业领域渗透。医学与科学领域数据具有专业性强（如医学术语、分子结构描述）、模态多样（文本、影像、实验数据）及高精准需求等特征，为LLMs的应用提供了独特场景，例如辅助临床诊断、文献综述自动化、药物研发候选分子筛选等。然而，当前LLMs在该领域的应用仍面临关键技术瓶颈：领域知识深度融合不足导致专业推理误差，多模态数据协同处理能力有限，以及模型决策可解释性与医疗数据隐私保护的矛盾。同时，现有效能评估多依赖通用自然语言任务指标（如BLEU、ROUGE），缺乏针对医学科学性、临床安全性及伦理合规性的特异性评估体系，制约了其可靠落地。因此，系统探究LLMs在医学与科学领域的关键适配技术（如领域知识增强、多模态融合、可解释性优化），并构建科学的效能评估框架，对推动LLMs从理论研究走向实际应用具有重要学术价值与实践意义。
导师信息
招生要求
面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。