Name: Etki alanına özgü yanıt verme hızını artırmak için vektör yerleştirmeleri aracılığıyla büyük dil modellerini artırma (Video) | JoVE Journal
Uploaded: 2024-12-06T12:20:00.000+00:00
Duration: 3 min 14 s
Description: Keşfedin vektör yerleştirmeleriyle büyük dil modellerini nasıl artıracağınızı ve sağlık uygulamalarında yanıt kalitesini iyileştireceğinizi. Bu yöntem araştırmacılara NLP görevlerinde gelişmiş performans sağlar.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<meta charset="utf8"></head><body>Bilimsel Makaleleri Büyük Dil Modellerine Entegre Etmek için Gömme Yöntemleri

<ol><li>Singhal, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Large+language+models+encode+clinical+knowledge%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Large language models encode clinical knowledge.</a> Nature. 620 (7972), 172-180 (2023).</li>
<li>Gilson, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((How+does+ChatGPT+perform+on+the+United+States+medical+licensing+examination%3F+The+implications+of+large+language+models+for+medical+education+and+knowledge+assessment%5BTitle%5D)+AND+%22JMIR+Med+Educ%22%5BJournal%5D)">How does ChatGPT perform on the United States medical licensing examination? The implications of large language models for medical education and knowledge assessment.</a> JMIR Med Educ. 9 (1), e45312(2023).</li>
<li>Guerra, G. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((GPT-4+artificial+intelligence+model+outperforms+ChatGPT%2C+medical+students%2C+and+neurosurgery+residents+on+neurosurgery+written+board-like+questions%5BTitle%5D)+AND+%22World+Neurosurg%22%5BJournal%5D)">GPT-4 artificial intelligence model outperforms ChatGPT, medical students, and neurosurgery residents on neurosurgery written board-like questions.</a> World Neurosurg. 179, e160-e165 (2023).</li>
<li>Terwiesch, C. Would Chat GPT3 get a Wharton MBA? A prediction based on its performance in the Operations Management course. , 
 <a target="_blank" href="https://mackinstitute.wharton.upenn.edu/wp-content/uploads/2023/01/Christian-Terwiesch-Chat-GTP.pdf">https://mackinstitute.wharton.upenn.edu/wp-content/uploads/2023/01/Christian-Terwiesch-Chat-GTP.pdf</a> (2023).</li>
<li>Weizenbaum, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ELIZA-a+computer+program+for+the+study+of+natural+language+communication+between+man+and+machine%5BTitle%5D)+AND+%22Communications+of+the+ACM%22%5BJournal%5D)">ELIZA-a computer program for the study of natural language communication between man and machine.</a> Communications of the ACM. 9 (1), 36-45 (1966).</li>
<li>Wu, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+brief+overview+of+ChatGPT%3A+The+history%2C+status+quo+and+potential+future+development%5BTitle%5D)+AND+%22IEEE%2FCAA+Journal+of+Automatica+Sinica%22%5BJournal%5D)">A brief overview of ChatGPT: The history, status quo and potential future development.</a> IEEE/CAA Journal of Automatica Sinica. 10 (5), 1122-1136 (2023).</li>
<li>Touvron, H., et al. Llama 2: Open foundation and fine-tuned chat models. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2307.09288">http://arxiv.org/abs/2307.09288</a> (2023).</li>
<li>Huang, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+survey+on+hallucination+in+large+language+models%3A+Principles%2C+taxonomy%2C+challenges%2C+and+open+questions%5BTitle%5D)+AND+%22arXiv+%5Bcs.CL%5D%22%5BJournal%5D)">A survey on hallucination in large language models: Principles, taxonomy, challenges, and open questions.</a> arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2311.05232">http://arxiv.org/abs/2311.05232</a> (2023).</li>
<li>Thirunavukarasu, A. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Large+language+models+in+medicine%5BTitle%5D)+AND+%22Nature+Med%22%5BJournal%5D)">Large language models in medicine.</a> Nature Med. 29 (8), 1930-1940 (2023).</li>
<li>Lewis, P., et al. Retrieval-augmented generation for knowledge-intensive NLP tasks. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2005.11401">http://arxiv.org/abs/2005.11401</a> (2020).</li>
<li>Li, J., Yuan, Y., Zhang, Z. Enhancing LLM factual accuracy with RAG to counter hallucinations: A case study on domain-specific queries in private knowledge-bases. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2403.10446">http://arxiv.org/abs/2403.10446</a> (2024).</li>
<li>Zhang, P., Xiao, S., Liu, Z., Dou, Z., Nie, J. -Y. Retrieve anything to augment large language models. arXiv [cs.IR]. , 
 <a target="_blank" href="http://arxiv.org/abs/2310.07554">http://arxiv.org/abs/2310.07554</a> (2023).</li>
<li>Ling, C., et al. Domain specialization as the key to make large language models disruptive: A comprehensive survey. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2305.18703">http://arxiv.org/abs/2305.18703</a> (2023).</li>
<li>Ram, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In-Context+retrieval-augmented+language+models%5BTitle%5D)+AND+%22Trans+Assoc+Comput+Linguist%22%5BJournal%5D)">In-Context retrieval-augmented language models.</a> Trans Assoc Comput Linguist. 11, 1316-1331 (2023).</li>
<li>Cormode, G. Sequence distance embeddings. , The University of Warwick. 
 <a target="_blank" href="https://wrap.warwick.ac.uk/61310/7/WRAP_THESIS_Cormode_2003.pdf">https://wrap.warwick.ac.uk/61310/7/WRAP_THESIS_Cormode_2003.pdf</a> (2003).</li>
<li>Guo, Z., et al. Evaluating large language models: A comprehensive survey. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2310.19736">http://arxiv.org/abs/2310.19736</a> (2023).</li>
<li>Chicago Consensus Working Group. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Chicago+Consensus+Guidelines+for+peritoneal+surface+malignancies%3A+Introduction%5BTitle%5D)+AND+%22Cancer%22%5BJournal%5D)">The Chicago Consensus Guidelines for peritoneal surface malignancies: Introduction.</a> Cancer. 126 (11), 2510-2512 (2020).</li>
<li>Wang, G., et al. OpenChat: Advancing open-source language models with mixed-quality data. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2309.11235">http://arxiv.org/abs/2309.11235</a> (2023).</li>
<li>Jiang, A. Q., et al. Mistral 7B. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2310.06825 ">http://arxiv.org/abs/2310.06825 </a> (2023).</li>
<li>Megahed, F. M., et al. AI and the future of work in statistical quality control: Insights from a first attempt to augmenting ChatGPT with an SQC knowledge base (ChatSQC). arXiv [cs.HC]. , 
 <a target="_blank" href="http://arxiv.org/abs/2308.13550">http://arxiv.org/abs/2308.13550</a> (2023).</li>
<li>Wang, Y., Ma, X., Chen, W. Augmenting black-box LLMs with medical textbooks for clinical question answering. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2309.02233">http://arxiv.org/abs/2309.02233</a> (2023).</li>
<li>Dodge, J., et al. Measuring the carbon intensity of AI in cloud instances. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aDodge%2C+J+%22FACCT+2022%22">FACCT 2022</a>. , (2022).</li>
<li>Samsi, S., et al. From words to watts: Benchmarking the energy costs of large language model inference. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2310.03003">http://arxiv.org/abs/2310.03003</a> (2023).</li>
<li>Khene, Z. -E., Bigot, P., Mathieu, R., Rouprêt, M., Bensalah, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+a+personalized+chat+model+based+on+the+European+association+of+urology+oncology+guidelines%3A+Harnessing+the+power+of+generative+artificial+intelligence+in+clinical+practice%5BTitle%5D)+AND+%22Eur+Urol+Oncol%22%5BJournal%5D)">Development of a personalized chat model based on the European association of urology oncology guidelines: Harnessing the power of generative artificial intelligence in clinical practice.</a> Eur Urol Oncol. 7 (1), 160-162 (2024).</li>
<li>Kresevic, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimization+of+hepatological+clinical+guidelines+interpretation+by+large+language+models%3A+a+retrieval+augmented+generation-based+framework%5BTitle%5D)+AND+%22NPJ+Digit+Med%22%5BJournal%5D)">Optimization of hepatological clinical guidelines interpretation by large language models: a retrieval augmented generation-based framework.</a> NPJ Digit Med. 7 (1), 102(2024).</li>
<li>Ge, J., et al. Development of a liver disease-specific large language model chat interface using retrieval augmented generation. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGe%2C+J+%22medRxiv%22">medRxiv</a>. , (2023).</li>
<li>Rule-augmented artificial intelligence-empowered systems for medical diagnosis using large language models. Panagoulias, D. P., et al. 2023 IEEE 35th International Conference on Tools with Artificial Intelligence (ICTAI), , 70-77 (2023).</li>
<li>Panagoulias, D. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Augmenting+large+language+models+with+rules+for+enhanced+domain-specific+interactions%3A+The+case+of+medical+diagnosis%5BTitle%5D)+AND+%22Electronics%22%5BJournal%5D)">Augmenting large language models with rules for enhanced domain-specific interactions: The case of medical diagnosis.</a> Electronics. 13 (2), 320(2024).</li>
<li>Jin, Q., et al. Matching patients to clinical trials with large language models. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2307.15051">http://arxiv.org/abs/2307.15051</a> (2023).</li>
<li>Gupta, S. K., et al. PRISM: Patient records interpretation for semantic clinical trial matching using large language models. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2404.15549">http://arxiv.org/abs/2404.15549</a> (2024).</li>
<li>Hendrycks, D., et al. Measuring massive multitask language understanding. arXiv [cs.CY]. , 
 <a target="_blank" href="http://arxiv.org/abs/2009.03300">http://arxiv.org/abs/2009.03300</a> (2020).</li>
<li>Lin, S., Hilton, J., Evans, O. TruthfulQA: Measuring how models mimic human falsehoods. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2109.07958">http://arxiv.org/abs/2109.07958</a> (2021).</li>
<li>Bommasani, R., Liang, P., Lee, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Holistic+evaluation+of+language+models%5BTitle%5D)+AND+%22Ann+N+Y+Acad+Sci%22%5BJournal%5D)">Holistic evaluation of language models.</a> Ann N Y Acad Sci. 1525 (1), 140-146 (2023).</li>
<li>Banerjee, D., Singh, P., Avadhanam, A., Srivastava, S. Benchmarking LLM powered Chatbots: Methods and Metrics. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2308.04624">http://arxiv.org/abs/2308.04624</a> (2023).</li>
<li>Papineni, K., Roukos, S., Ward, T., Zhu, W. -J. Bleu. Proceedings of the 40th Annual Meeting on Association for Computational Linguistics - ACL '02. , (2001).</li>
<li>Wang, A., Singh, A., Michael, J., Hill, F., Levy, O., Bowman, S. R. Glue: A multi-task benchmark and analysis platform for natural language understanding. , 
 <a target="_blank" href="http://arxiv.org/abs/1804.07461">http://arxiv.org/abs/1804.07461</a> (2019).</li>
<li>Johnson, D., et al. Assessing the accuracy and reliability of AI-generated medical responses: An evaluation of the chat-GPT model. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aJohnson%2C+D+%22Res+Sq%22">Res Sq</a>. , (2023).</li>
<li>Lin, C. -Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ROUGE%3A+A+package+for+automatic+evaluation+of+summaries%5BTitle%5D)+AND+%22Text+Summarization+Branches+Out%22%5BJournal%5D)">ROUGE: A package for automatic evaluation of summaries.</a> Text Summarization Branches Out. , 74-81 (2004).</li>
<li>Chen, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluating+the+ChatGPT+family+of+models+for+biomedical+reasoning+and+classification%5BTitle%5D)+AND+%22J+Am+Med+Inform+Assoc%22%5BJournal%5D)">Evaluating the ChatGPT family of models for biomedical reasoning and classification.</a> J Am Med Inform Assoc. 31 (4), 940-948 (2024).</li>
</ol>

<table><tbody><tr><td>pip3 sürüm 22.0.2&nbsp;</td><td></td><td></td><td></td></tr><tr><td>Python sürüm 3.10.12</td><td></td><td></td><td></td></tr></tbody></table>

etki alanına özgü yanıt verme hızını artırmak için vektör yerleştirmeleri aracılığıyla büyük dil modellerini artırma

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Chicago Konsensüs Çalışma Grubu yönetim yönergelerinden 22 yayından oluşan bir set, temel Llama-7b model17'yi artırmak için kullanıldı. Belgeler, Llama-2-7b-CCWG-Embed oluşturmak için Llama-Index aracı kullanılarak bir vektör indeksine dönüştürüldü. GPT-3.5 ve GPT-4 gibi popüler OpenAI modelleri de GPT-XX-CCWG-Embed modelleri üretmek için benzer şekilde artırıldı. Çeşitli peritoneal yüzey malignitelerinin yönetimi ile ilgili bilgileri değerlendirmek için toplam 20 çoktan seçmeli soru (MCQ) geliştirilmiştir. MCQ'lar, bir cerrahi onkoloji uzmanından beklenen bilgi düzeyinde test etmek için kurul onaylı bir cerrahi onkolog tarafından oluşturulmuştur. Llama-2-7b-CCWG-Embed, artırılmış OpenAI modellerinde olduğu gibi temel modelden önemli ölçüde daha iyi performans gösterdi (bkz. Tablo 1). Bu, bu yöntem için olumlu bir sonuç olarak kabul edilir, çünkü model performansı taban çizgisine kıyasla büyütme ile iyileştirilmiştir.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66796/66796fig01.jpg"> 
Şekil 1: Akademik makalelerden vektör veritabanı oluşturma şeması. <a href="https://www.jove.com/files/ftp_upload/66796/66796fig01large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66796/66796fig02.jpg"> 
Şekil 2: Artırılmış LLM için genel sistem şeması. <a href="https://www.jove.com/files/ftp_upload/66796/66796fig02large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66796/66796fig03.jpg"> 
Şekil 3: Linux terminalinde çalışan artırılmış Llama-2 modeli. <a href="https://www.jove.com/files/ftp_upload/66796/66796fig03large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66796/66796fig04.jpg"> 
Şekil 4: Artırılmış Llama-2 modelinden sorgu sonucu. <a href="https://www.jove.com/files/ftp_upload/66796/66796fig04large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>LLM</td>
			<td>Puan (% doğru)</td>
		</tr>
		<tr>
			<td>lama-2-7b-sohbet-hf</td>
			<td>65%</td>
		</tr>
		<tr>
			<td>Lama-2-7b-CCWG-Gömme</td>
			<td>75%</td>
		</tr>
		<tr>
			<td>Açık sohbet-3.5-010618</td>
			<td>65%</td>
		</tr>
		<tr>
			<td>Mistral-7B-v0.119</td>
			<td>70%</td>
		</tr>
		<tr>
			<td>GPT-3.5 (İngilizce)</td>
			<td>75%</td>
		</tr>
		<tr>
			<td>GPT-3.5-CCWG-Yerleştirme</td>
			<td>85%</td>
		</tr>
		<tr>
			<td>GPT-4 (İngilizce)</td>
			<td>85%</td>
		</tr>
		<tr>
			<td>GPT-4-CCWG-Yerleştirme</td>
			<td>90%</td>
		</tr>
	</tbody>
</table>
Tablo 1: Peritoneal malignite yönetimi ile ilgili 20 sorudan oluşan bir sette çeşitli LLM'lerin puanları (yüzde doğru).

Etki alanına özgü yanıt verme hızını artırmak için vektör yerleştirmeleri aracılığıyla büyük dil modellerini artırma

Large language models (LLMs) have emerged as a popular resource for generating information relevant to a user query. Such models are created through a ...

augmenting-large-language-models-via-vector-embeddings-to-improve

Research

JoVE Journal

Medicine

Tıp

Bu makalede, Büyük Dil Modeli (LLM) çıkarımını Geri Alma-Artırılmış Nesil (RAG) ile tümleştiren RUGGED (Grafik Güdümlü Açıklanabilir Hastalık Ayrımı Altında Geri Alma) açıklanmaktadır. Güncel bilgilerden yeni bilgileri sentezlemek, açıklanabilir ve eyleme geçirilebilir tahminleri belirlemek ve hipoteze dayalı araştırmalar için umut verici yönleri belirlemek için uzman küratörlüğünde biyomedikal bilgi tabanlarından ve hakemli biyomedikal yayınlardan kanıtlar alır.

Kanıta Dayalı Bilgi Sentezi ve Hipotez Doğrulama: Açıklanabilir Yapay Zeka ve Ajan Sistemler Aracılığıyla Biyomedikal Bilgi Tabanlarında Gezinme

Metin özetlemede varlık düzeyindeki halüsinasyonu azaltmak için Enti Halüsinasyon İndeksi (EHI) ödül sinyali olarak kullanan büyük dil modelleri için pekiştirme öğrenme tabanlı ince ayar yaklaşımı öneriyoruz. Toplantı transkriptleri üzerinde yapılan deneyler, bu yöntemin varlık sadakatini ve doğruluğunu artırdığını göstermektedir.

Metin Özetleme İçinde Varlık Halüsinasyon İndeksini kullanarak Büyük Dil Modellerinin İnce Ayarlanması

RNA müdahalesi (RNAi) gen nakavt üzerinden pek çok avantajı sahip ve geniş gen işlevsel çalışmalarda bir araç olarak kullanılmıştır. DNA vektör tabanlı RNAi teknolojisi buluşu uzun vadeli ve olası indüklenebilir gen Knockdown yaptı, hem de gen susturulması fizibilite...

Kanser gen Fonksiyon Eğitim için DNA vektör tabanlı RNA Girişim

Biz kronik inme ve akıcı olmayan afazi olan hastalarda dil becerilerini geliştirmek için tekrarlayan transkranial manyetik stimülasyon (rTMS) kullanımını keşfetmek. Stimülasyon en iyi yanıt her hasta için sağ frontal girus bir site belirledikten sonra, biz rTMS tedavi on gün boyunca bu siteyi hedef.

Kronik olmayan akıcı Afazi ile İnme Hastalarda Dil Fonksiyonu Geliştirmek için Transkraniyal Manyetik Uyarım kullanılması

Langendorff aygıtını içeren çoğu çalışma, daha büyük memeliler için sistemlerin artan karmaşıklığı nedeniyle küçük hayvan modelleri kullanır. İnsanlar da dahil olmak üzere bir dizi türde kullanıma ve nispeten kolay veri toplamaya izin veren büyük hayvan modelleri için bir Langendorff sistemini tanımlıyoruz.

Büyük Hayvan Modelleri için bir İzole Çalışma Kalp Sistemi

Bu protokol, görüntüleme fare servikal lenf düğümleri için yüksek frekanslı ultrason (HFUS) uygulanmasını tarif etmektedir. Bu teknik, görselleştirme ve servikal lenf nodu morfolojisi, hacim ve kan akışının ölçümü optimize eder. Servikal lenf nodları ve histolojik değerlendirme için lenf dokusunun işleme görüntü kılavuzluğunda biyopsi de gösterilmiştir.

Fare Servikal lenf nodu Yüksek frekanslı Ultrasonik Görüntüleme

Bu el yazması, viral vektör aracılı yerel gen iletiminin, merkezi sinir sistemindeki transgenleri ifade etmek için nasıl çekici bir yol sağladığını açıklamaktadır.  Protokol, Parkinson hastalığı için viral vektör tabanlı bir hayvan modeli geliştirmek için sıçanın substantia nigra'sında bir viral vektör enjeksiyonu gerçekleştirmek için tüm önemli adımları özetlemektedir.

Bir rekombinant adeno-ilişkili viral vektörün stereotaktik enjeksiyon yoluyla Parkinson Hastalığı için bir alfa-sinüklein Bazlı Fare Modeli Geliştirme

Önceden klinik test için "yetim" ilaçların farmakolojik chaperones tekrarlanabilir, hızlı ve verimli olarak adlandırılan yeni bir sınıf yapmak için bir talep var. Biz uygun hastalar için hem de roman farmakolojik refakatçi uyuşturucu ekran basit, yüksek standart ve çok yönlü hücre kültür tabanlı tahlil geliştirilmiştir.

Vitro Enzim ölçüm Test farmakolojik refakatçi yanıt Fabry ve Pompe hastalığı için

Farelerde deneysel ajanlar intratracheal (It) yönetimi genellikle distal akciğerlere asimetrik teslim sonuçlanır.  Bu raporda, her akciğeri operatif olmayan canlı fareler içinde cannulate için doğrudan intrabronchial (ıB) yaklaşımı açıklanmaktadır.  Bu yaklaşım, bir akciğer için seçici olarak ajanlar yönetmek için kullanılabilir ya da her iki akciğerde simetrik Ajan teslim geliştirmek için adapte olabilir.

Fare akciğer Içinde seçici Ajan biriktirme geliştirmek için doğrudan Intrabronchial yönetim

Koroner anjiyogenezin in vitro modelleri koroner anjiyogenezin hücresel ve moleküler mekanizmalarının keşfinde kullanılabilir. Sinüs venöz ve endkard dokularının in vitro eksplant kültürleri VEGF-A'ya yanıt olarak sağlam bir büyüme gösterir ve in vivo olarak coup-TFII ekspresyonunun benzer bir modelini gösterir.

Koroner Anjiyogenezin In Vitro Modeli

Keşfedin vektör yerleştirmeleriyle büyük dil modellerini nasıl artıracağınızı ve sağlık uygulamalarında yanıt kalitesini iyileştireceğinizi. Bu yöntem araştırmacılara NLP görevlerinde gelişmiş performans sağlar.

Etki alanına özgü yanıt verme hızını artırmak için vektör yerleştirmeleri aracılığıyla büyük dil modellerini artırma

Daha fazla video keşfet