面向 e-health 的 AI 生成内容综合方法
机器学习
2025-01-29 v1 人工智能
摘要
人工智能生成内容（AI-Generated Content）作为生成式人工智能的一个子集，具有显著的潜力用于推动 e-health 领域，通过生成多样化的数据形式。在本文中，我们提出了一个端到端的 class 条件框架，解决健康应用中数据稀缺的挑战，通过生成合成医学图像和文本数据，在实用应用如视网膜病变检测、皮肤感染和精神健康评估等方面进行评估。我们的框架将扩散模型和大型语言模型（LLM）集成以生成与真实世界模式高度匹配的数据，这对于改进 e-health 应用中下游任务性能和模型鲁棒性至关重要。实验结果表明，本研究提议的扩散模型生成的合成图像优于传统 GAN 架构。同样，在文本模态方面，未经审查的 LLM 生成的数据在复制真实语调方面显著优于审查模型。
引用
@article{arxiv.2501.16348,
title = {An Integrated Approach to AI-Generated Content in e-health},
author = {Tasnim Ahmed and Salimur Choudhury},
journal= {arXiv preprint arXiv:2501.16348},
year = {2025}
}
备注
Accepted for presentation at 2025 IEEE International Conference on Communications (IEEE ICC25)