MedicalGPT
v2.2.0
??中文| . อังกฤษ | . เอกสาร/เอกสาร |
การฝึกอบรม MedicalGPT โมเดล GPT ทางการแพทย์ด้วยขั้นตอนการฝึกอบรม ChatGPT การใช้งานการฝึกอบรมล่วงหน้า การปรับแต่งแบบมีผู้ดูแล RLHF (การสร้างแบบจำลองรางวัลและการเรียนรู้การเสริมกำลัง) และ DPO (การเพิ่มประสิทธิภาพการตั้งค่าโดยตรง)
MedicalGPT ฝึกฝนโมเดลทางการแพทย์ขนาดใหญ่ และดำเนินการการฝึกอบรมล่วงหน้าแบบค่อยเป็นค่อยไป การปรับแต่งแบบละเอียดภายใต้การดูแล RLHF (การสร้างแบบจำลองรางวัล การฝึกอบรมการเรียนรู้แบบเสริมกำลัง) และ DPO (การปรับการตั้งค่าโดยตรงโดยตรง)
[21/09/2024] เวอร์ชัน v2.3: รองรับรุ่นซีรีส์ Qwen-2.5 โปรดดูรายละเอียดที่ Release-v2.3
[08/02/2024] เวอร์ชัน v2.2: รองรับการฝึกอบรมโมเดลการเล่นตามบทบาท และเพิ่มสคริปต์การสร้างข้อมูล SFT ของบทสนทนาระหว่างแพทย์และผู้ป่วย สำหรับรายละเอียด โปรดดู Release-v2.2
[11/06/2024] เวอร์ชัน v2.1: รองรับรุ่นซีรีส์ Qwen-2 โปรดดูรายละเอียดที่ Release-v2.1
[24/04/2024] เวอร์ชัน v2.0: รองรับรุ่นซีรีส์ Llama-3 โปรดดูรายละเอียดที่ Release-v2.0
[2024/04/17] เวอร์ชัน v1.9: รองรับ ORPO สำหรับการใช้งานโดยละเอียด โปรดดูที่ run_orpo.sh ดู Release-v1.9 สำหรับรายละเอียด
[26/01/2024] เวอร์ชัน v1.8: รองรับการปรับแต่ง Mixtral ผู้เชี่ยวชาญไฮบริด MoE รุ่น Mixtral 8x7B อย่างละเอียด ดู Release-v1.8 สำหรับรายละเอียด
[2024/01/14] เวอร์ชัน v1.7: เพิ่มฟังก์ชัน Q&A สำหรับการเรียกค้นไฟล์ที่ปรับปรุงแล้ว (RAG) ฟังก์ชัน ChatPDF, รหัส chatpdf.py ซึ่งสามารถปรับปรุงความแม่นยำของการถามตอบในอุตสาหกรรมโดยอิงจาก LLM ที่ได้รับการปรับแต่งอย่างละเอียด รวมกับไฟล์ฐานความรู้ Q&A ดู Release-v1.7 สำหรับรายละเอียด
[23/10/2023] เวอร์ชัน v1.6: เพิ่มการแก้ไข RoPE เพื่อขยายความยาวบริบทของโมเดล GPT รองรับ FlashAttention-2 และ LongLoRA สำหรับโมเดล LLaMA
[2023/08/28] เวอร์ชัน v1.5: เพิ่มวิธีการ DPO (การเพิ่มประสิทธิภาพการตั้งค่าโดยตรง) DPO บรรลุการควบคุมพฤติกรรมที่แม่นยำโดยการปรับโมเดลภาษาให้เหมาะสมโดยตรง และสามารถเรียนรู้การตั้งค่าของมนุษย์ได้อย่างมีประสิทธิภาพ ดู Release-v1.5 สำหรับรายละเอียด
[08/08/2023] เวอร์ชัน v1.4: เปิดตัวรุ่น Vicuna-13B ภาษาจีนและอังกฤษ shibing624/vicuna-baichuan-13b-chat โดยอิงจากการปรับแต่งชุดข้อมูล ShareGPT4 อย่างละเอียด และโมเดล LoRA ที่สอดคล้องกัน shibing624/vicuna -baichuan-13b-chat- lora ดู Release-v1.4 สำหรับรายละเอียด
[2023/08/02] เวอร์ชัน v1.3: เพิ่มการฝึกอบรมการสนทนาแบบหลายรอบของ LLaMA, LLaMA2, Bloom, ChatGLM, ChatGLM2 และ Baichuan เพิ่มฟังก์ชันการขยายคำศัพท์ในโดเมน และ ชุดการฝึกอบรมการปรับแต่ง ShareGPT ภาษาจีน โปรดดูรายละเอียด Release-v1.3
[2023/07/13] เวอร์ชัน v1.1: เปิดตัวรุ่น LLaMA-13B ทางการแพทย์ของจีน shibing624/ziya-llama-13b-medical-merged โดยอิงจากรุ่น Ziya-LLaMA-13B-v1 โดยมี SFT ปรับแต่งเวอร์ชันอย่างละเอียด ของโมเดลทางการแพทย์ เอฟเฟกต์คำถามและคำตอบได้รับการปรับปรุง และน้ำหนักโมเดลที่สมบูรณ์หลังจากการปรับแต่งอย่างละเอียดได้รับการเผยแพร่ สำหรับรายละเอียด โปรดดู Release-v1.1
[15/06/2566] เวอร์ชัน v1.0: เปิดตัวโมเดล LoRA ทางการแพทย์ของจีน shibing624/ziya-llama-13b-medical-lora อิงตามโมเดล Ziya-LLaMA-13B-v1 โดยมี SFT ปรับแต่งเวอร์ชันของโมเดลทางการแพทย์อย่างละเอียด , เอฟเฟกต์คำถามและคำตอบทางการแพทย์ มีการปรับปรุงและมีการเปิดตัวน้ำหนัก LoRA ที่ปรับแต่งแล้ว สำหรับรายละเอียด โปรดดู Release-v1.0
[2023/06/05] เวอร์ชัน v0.2: เป็นตัวอย่างการดูแลทางการแพทย์ โมเดลขนาดใหญ่ในสาขาการฝึกอบรมใช้การฝึกอบรมสี่ขั้นตอน: รวมถึงการฝึกอบรมก่อนการฝึกอบรมรอง การปรับแต่งอย่างละเอียดภายใต้การดูแล การสร้างแบบจำลองการให้รางวัล และการฝึกอบรมการเรียนรู้แบบเสริมกำลัง . ดู Release-v0.2 สำหรับรายละเอียด
ตามขั้นตอนการฝึกอบรม ChatGPT โครงการนี้ใช้โมเดลโดเมน ซึ่งเป็นการฝึกอบรมโมเดลภาษาขนาดใหญ่ในอุตสาหกรรมการแพทย์:
| แบบอย่าง | โมเดลพื้นฐาน | การแนะนำ |
|---|---|---|
| shibing624/ziya-llama-13b-การแพทย์-ลอรา | IDEA-CCNL/Ziya-LLaMA-13B-v1 | SFT ปรับแต่งเวอร์ชันของโมเดล Ziya-LLaMA-13B บนชุดข้อมูลทางการแพทย์ภาษาจีนและอังกฤษ 2.4 ล้านชุด shibing624/medical เอฟเฟกต์คำถามและคำตอบทางการแพทย์ได้รับการปรับปรุง และน้ำหนัก LoRA ที่ปรับแต่งแล้ว (บทสนทนารอบเดียว ) ได้รับการเผยแพร่แล้ว |
| shibing624/ziya-llama-13b-การแพทย์-ผสาน | IDEA-CCNL/Ziya-LLaMA-13B-v1 | SFT ปรับแต่งเวอร์ชันของโมเดล Ziya-LLaMA-13B บนชุดข้อมูลทางการแพทย์ภาษาจีนและอังกฤษ 2.4 ล้านชุด shibing624/medical การเจรจารอบเดียว) |
| shibing624/vicuna-baichuan-13b-แชท-lora | baichuan-inc/Baichuan-13B-Chat | SFT ปรับแต่งเวอร์ชันของคำถามและคำตอบแบบหลายรอบของ baichuan-13b-chat บนชุดข้อมูลการสนทนาหลายรอบ ShareGPT GPT4 100,000 ภาษา shibing624/sharegpt_gpt4 และชุดข้อมูลทางการแพทย์ shibing624/medical การถามตอบและการถามตอบทางการแพทย์ได้รับการปรับปรุง และการปรับน้ำหนัก LoRA ก็ได้รับการเผยแพร่หลังจากนั้น |
| shibing624/vicuna-baichuan-13b-chat | baichuan-inc/Baichuan-13B-Chat | SFT ปรับแต่งเวอร์ชันของคำถามและคำตอบแบบหลายรอบของ baichuan-13b-chat บนชุดข้อมูลการสนทนาหลายรอบ ShareGPT GPT4 100,000 ภาษา shibing624/sharegpt_gpt4 และชุดข้อมูลทางการแพทย์ shibing624/medical ช่วงถามตอบและช่วงถามตอบทางการแพทย์ได้รับการปรับปรุง และได้มีการเปิดตัวการปรับแบบละเอียดทั้งหมดหลังจากนั้น |
| shibing624/llama-3-8b-instruct-262k-chinese | ลามะ-3-8B-สั่งสอน-262k | โมเดลบทสนทนาแบบหลายเลี้ยวข้อความยาวพิเศษที่ได้รับจากการปรับแต่งวิธี ORPO อย่างละเอียดบนชุดข้อมูลการตั้งค่าภาษาจีนและอังกฤษ 20,000 รายการ shibing624/DPO-En-Zh-20k-Preference เหมาะสำหรับ RAG และบทสนทนาแบบหลายเลี้ยว |
สาธิตผลกระทบของโมเดล shibing624/vicuna-baichuan-13b-chat: 
สำหรับกรณีเฉพาะ โปรดดูตัวอย่างการอนุมาน
เรามีเว็บอินเตอร์เฟสแบบโต้ตอบที่เรียบง่ายโดยใช้ Gradio หลังจากเริ่มบริการ คุณสามารถเข้าถึงได้ผ่านเบราว์เซอร์ ป้อนคำถาม แล้วโมเดลจะตอบกลับ
เริ่มบริการด้วยคำสั่งต่อไปนี้:
CUDA_VISIBLE_DEVICES=0 python gradio_demo.py --model_type base_model_type --base_model path_to_llama_hf_dir --lora_model path_to_lora_dirคำอธิบายพารามิเตอร์:
--model_type {base_model_type} : ประเภทโมเดลที่ได้รับการฝึกล่วงหน้า เช่น ลามะ บลูม แชทกล์ม ฯลฯ--base_model {base_model} : ไดเร็กทอรีสำหรับจัดเก็บน้ำหนักโมเดล LLaMA และไฟล์การกำหนดค่าในรูปแบบ HF คุณยังสามารถใช้ชื่อการเรียกโมเดล HF Model Hub ได้อีกด้วย--lora_model {lora_model} : ไดเร็กทอรีที่มีไฟล์ LoRA อยู่ คุณยังสามารถใช้ชื่อการเรียกโมเดล HF Model Hub ได้ หากรวมตุ้มน้ำหนัก Lora เข้ากับโมเดลที่ได้รับการฝึกล่วงหน้าแล้ว ให้ลบพารามิเตอร์ --lora_model--tokenizer_path {tokenizer_path} : ไดเร็กทอรีที่เก็บ tokenizer ที่เกี่ยวข้อง หากไม่ได้ระบุพารามิเตอร์นี้ ค่าดีฟอลต์จะเหมือนกับ --base_model--template_name : ชื่อเทมเพลต เช่น vicuna , alpaca ฯลฯ หากไม่ได้ระบุพารามิเตอร์นี้ ค่าดีฟอลต์คือ vicuna--only_cpu : ใช้ CPU เพื่อการอนุมานเท่านั้น--resize_emb : จะปรับขนาดการฝังหรือไม่ ให้ใช้ขนาดการฝังของโมเดลที่ได้รับการฝึกล่วงหน้า requirements.txt จะได้รับการอัปเดตเป็นครั้งคราวเพื่อปรับให้เข้ากับคุณสมบัติล่าสุด ใช้คำสั่งต่อไปนี้เพื่ออัปเดตการขึ้นต่อกัน:
git clone https://github.com/shibing624/MedicalGPT
cd MedicalGPT
pip install -r requirements.txt --upgrade* ประมาณการ
| วิธีการฝึกอบรม | ความแม่นยำ | 7B | 13B | 30B | 70B | 110B | 8x7B | 8x22B |
|---|---|---|---|---|---|---|---|---|
| พารามิเตอร์แบบเต็ม | AMP (ความแม่นยำผสมอัตโนมัติ) | 120GB | 240GB | 600GB | 1200GB | 2000GB | 900GB | 2400GB |
| พารามิเตอร์แบบเต็ม | 16 | 60GB | 120GB | 300GB | 600GB | 900GB | 400GB | 1200GB |
| โลรา | 16 | 16GB | 32GB | 64GB | 160GB | 240GB | 120GB | 320GB |
| คิวลอรา | 8 | 10GB | 20GB | 40GB | 80GB | 140GB | 60GB | 160GB |
| คิวลอรา | 4 | 6GB | 12GB | 24GB | 48GB | 72GB | 30GB | 96GB |
| คิวลอรา | 2 | 4GB | 8GB | 16GB | 24GB | 48GB | 18GB | 48GB |
ขั้นตอนการฝึกอบรม:
| เวที | การแนะนำ | สคริปต์หลาม | เชลล์สคริปต์ |
|---|---|---|---|
| ฝึกฝนต่อไป | การฝึกล่วงหน้าแบบค่อยเป็นค่อยไป | pretraining.py | run_pt.sh |
| การดูแลการปรับแต่งแบบละเอียด | มีการดูแลปรับแต่งอย่างละเอียด | supervised_finetuning.py | run_sft.sh |
| การเพิ่มประสิทธิภาพการตั้งค่าโดยตรง | การเพิ่มประสิทธิภาพการตั้งค่าโดยตรง | dpo_training.py | run_dpo.sh |
| การสร้างแบบจำลองรางวัล | การสร้างแบบจำลองรางวัล | รางวัล_modeling.py | run_rm.sh |
| การเรียนรู้แบบเสริมกำลัง | การเรียนรู้การเสริมกำลัง | ppo_training.py | run_ppo.sh |
| ออร์โป | การเพิ่มประสิทธิภาพการตั้งค่าความน่าจะเป็น | orpo_training.py | run_orpo.sh |
| ชื่อรุ่น | ขนาดรุ่น | โมดูลเป้าหมาย | แม่แบบ |
|---|---|---|---|
| ไป๋ชวน | 7B/13B | W_แพ็ค | ไป๋ชวน |
| ไป๋ชวน2 | 7B/13B | W_แพ็ค | ไป๋ชวน2 |
| บลูมซ์ | 560M/1.1B/1.7B/3B/7.1B/176B | query_key_value | วิคูน่า |
| แชทGLM | 6B | query_key_value | แชทจีล์ม |
| แชทGLM2 | 6B | query_key_value | chatglm2 |
| แชท GLM3 | 6B | query_key_value | chatglm3 |
| เชื่อมโยงกัน | 104B | q_proj,v_proj | เชื่อมโยงกัน |
| ดีพซีค | 7B/16B/67B | q_proj,v_proj | แสวงหาอย่างลึกซึ้ง |
| ฝึกงานLM2 | 7B/20B | ว้าว | ฝึกงาน2 |
| ลามะ | 7B/13B/33B/65B | q_proj,v_proj | เนื้ออัลปาก้า |
| ลามา2 | 7B/13B/70B | q_proj,v_proj | ลามะ2 |
| แอลลามา3 | 8B/70B | q_proj,v_proj | ลามะ3 |
| มิสทรัล | 7B/8x7B | q_proj,v_proj | มิสทรัล |
| กลุ่มดาวนายพราน | 14B | q_proj,v_proj | กลุ่มดาวนายพราน |
| เกว็น | 1.8B/7B/14B/72B | c_attn | เกว็น |
| คิวเวน1.5 | 0.5B/1.8B/4B/14B/32B/72B/110B | q_proj,v_proj | เกว็น |
| คิวเวน2 | 0.5B/1.5B/7B/72B | q_proj,v_proj | เกว็น |
| เอ็กซ์เวิร์ส | 13B | query_key_value | เอ็กซ์เวิร์ส |
| ยี่ | 6B/34B | q_proj,v_proj | ยี่ |
หลังจากการฝึกเสร็จสิ้น ตอนนี้เราจะโหลดโมเดลที่ได้รับการฝึกและตรวจสอบผลกระทบของข้อความที่สร้างโดยโมเดล
CUDA_VISIBLE_DEVICES=0 python inference.py
--model_type base_model_type
--base_model path_to_model_hf_dir
--tokenizer_path path_to_model_hf_dir
--lora_model path_to_lora
--interactiveคำอธิบายพารามิเตอร์:
--model_type {base_model_type} : ประเภทโมเดลที่ได้รับการฝึกล่วงหน้า เช่น ลามะ บลูม แชทกล์ม ฯลฯ--base_model {base_model} : ไดเร็กทอรีสำหรับจัดเก็บน้ำหนักโมเดล LLaMA และไฟล์การกำหนดค่าในรูปแบบ HF--tokenizer_path {base_model} : ไดเร็กทอรีสำหรับจัดเก็บน้ำหนักโมเดล LLaMA และไฟล์การกำหนดค่าในรูปแบบ HF--lora_model {lora_model} : ไดเร็กทอรีซึ่งเป็นที่ตั้งของไฟล์ที่คลายการบีบอัด LoRA คุณยังสามารถใช้ชื่อการเรียกโมเดล HF Model Hub ได้ ไม่จำเป็นต้องระบุพารามิเตอร์นี้ หากมีการรวมตุ้มน้ำหนัก LoRA เข้ากับโมเดลที่ผ่านการฝึกอบรมมาแล้ว--tokenizer_path {tokenizer_path} : ไดเร็กทอรีที่เก็บ tokenizer ที่เกี่ยวข้อง หากไม่ได้ระบุพารามิเตอร์นี้ ค่าดีฟอลต์จะเหมือนกับ --base_model--template_name : ชื่อเทมเพลต เช่น vicuna , alpaca ฯลฯ หากไม่ได้ระบุพารามิเตอร์นี้ ค่าดีฟอลต์คือ vicuna--interactive : เริ่มการถามตอบแบบโต้ตอบหลายรอบ โดยใช้เหตุผลแบบสตรีมมิ่ง--data_file {file_name} : เมื่อเริ่มต้นในโหมดไม่โต้ตอบ ให้อ่านเนื้อหาของ file_name สำหรับการทำนายแบทช์--output_file {file_name} : ในโหมดที่ไม่โต้ตอบ ให้เขียนผลลัพธ์ที่คาดการณ์ไว้เป็น file_name ในรูปแบบ jsonl--resize_emb : จะปรับขนาดการฝังหรือไม่ ให้ใช้ขนาดการฝังของโมเดลที่ได้รับการฝึกล่วงหน้า--only_cpu : ใช้ CPU เพื่อการอนุมานเท่านั้น--gpus {gpu_ids} : ระบุหมายเลขอุปกรณ์ GPU ที่ใช้ ค่าเริ่มต้นคือ 0 หากใช้ GPU หลายตัว ให้คั่นด้วยเครื่องหมายจุลภาค เช่น 0,1,2 ความเท่าเทียมของข้อมูลหลายการ์ด การอนุมานแบบแบตช์
CUDA_VISIBLE_DEVICES=0,1 torchrun --nproc_per_node 2 inference_multigpu_demo.py --model_type baichuan --base_model shibing624/vicuna-baichuan-13b-chatbash run_Multi-GPUs-deployment.shshibing624/vicuna-baichuan-13b-chat ตัวอย่างการอนุมาน:
| มนุษย์ | ผู้ช่วย |
|---|---|
| จะทำอย่างไรถ้าเด็กมีไข้ | ไข้คือการตอบสนองตามธรรมชาติของร่างกายต่อการติดเชื้อหรือการเจ็บป่วยอื่นๆ คำแนะนำเพื่อช่วยบรรเทาอาการไข้มีดังนี้ 1. รักษาร่างกายให้ชุ่มชื้น: เมื่อคุณเป็นไข้ ร่างกายจะสูญเสียน้ำ ดังนั้นคุณจึงต้องรักษาร่างกายให้ชุ่มชื้น 2. ใช้ถุงน้ำแข็ง: การวางถุงน้ำแข็งบนหน้าผากหรือคอสามารถช่วยลดอุณหภูมิร่างกายของคุณได้ 3. ใช้ยาลดไข้: ยาลดไข้สามารถช่วยลดอุณหภูมิร่างกายของคุณได้ 4. รักษาอุณหภูมิของร่างกาย: การรักษาอุณหภูมิของร่างกายสามารถช่วยลดอุณหภูมิของร่างกายได้ 5. เช็ดร่างกายด้วยน้ำเย็นหรือน้ำอุ่น: การเช็ดร่างกายด้วยน้ำเย็นหรือน้ำอุ่นสามารถช่วยลดอุณหภูมิของร่างกายได้ 6. ใช้ยาลดไข้: ยาลดไข้สามารถช่วยลดอุณหภูมิร่างกายของคุณได้ 7. รักษาอุณหภูมิของร่างกาย: การรักษาอุณหภูมิของร่างกายสามารถช่วยลดอุณหภูมิของร่างกายได้ 8. เช็ดร่างกายด้วยน้ำเย็นหรือน้ำอุ่น: การเช็ดร่างกายด้วยน้ำเย็นหรือน้ำอุ่นสามารถช่วยลดอุณหภูมิร่างกายได้ 9. ใช้ยาลดไข้: ยาลดไข้สามารถช่วยลดอุณหภูมิร่างกายของคุณได้ 10. รักษาอุณหภูมิของร่างกาย: การรักษาอุณหภูมิของร่างกายสามารถช่วยลดอุณหภูมิของร่างกายได้ |
| เด็กอายุ 1 ขวบสามารถทานยาอะไรได้บ้างหากมีไข้? | เมื่อเด็กอายุ 1 ขวบมีไข้ ควรพิจารณาใช้ยาต่อไปนี้: 1. ยาลดไข้ เช่น ไอบูโพรเฟน หรือพาราเซตามอล ยาเหล่านี้สามารถช่วยลดอุณหภูมิร่างกายและบรรเทาอาการไข้ได้ 2. ยาปฏิชีวนะ: หากไข้เกิดจากการติดเชื้อแบคทีเรีย อาจพิจารณาให้ยาปฏิชีวนะด้วย แต่โปรดใช้ภายใต้คำแนะนำของแพทย์ 3. ยาต้านไวรัส: หากไข้เกิดจากการติดเชื้อไวรัสอาจพิจารณาใช้ยาต้านไวรัส แต่โปรดใช้ภายใต้คำแนะนำของแพทย์ 4. ยาลดไข้และยาแก้ปวด เช่น แอสไพริน หรือพาราเซตามอล ยาเหล่านี้สามารถช่วยบรรเทาอาการไข้ได้ 5. ยาแก้แพ้: เช่น diphenhydramine หรือ fexofenadine (Naproxen) ยาเหล่านี้สามารถช่วยบรรเทาอาการไข้ได้ อย่าลืมใช้ยาเหล่านี้ตามคำแนะนำของแพทย์ และปฏิบัติตามขนาดยาและคำแนะนำการใช้งานบนบรรจุภัณฑ์ ในเวลาเดียวกัน ให้ลูกน้อยของคุณได้รับน้ำเพียงพอและให้แน่ใจว่าลูกน้อยของคุณได้พักผ่อนอย่างเพียงพอ |
| รอยโรคที่ทวารหนักอาจเป็นอาการของโรคอะไรได้บ้าง | รอยโรคที่ทวารหนักอาจเกิดขึ้นได้จากหลายสาเหตุ รวมถึงการติดเชื้อ การอักเสบ เนื้องอก หรือโรคอื่นๆ รอยโรคทางทวารหนักที่พบบ่อยได้แก่: 1. รอยแยกทางทวารหนัก: นี่คือการฉีกขาดของผิวหนังของทวารหนัก ซึ่งมักเกิดจากอาการท้องผูกหรือปัจจัยความเครียดอื่นๆ 2. ทวารทวาร: นี่คือการติดเชื้อทางทวารหนักที่ทำให้เกิดทวารระหว่างผิวหนังของทวารหนักและทวารหนัก 3. หูดที่ทวารหนัก: เป็นแผลคล้ายหูดที่เกิดขึ้นบนผิวหนังของทวารหนัก ซึ่งมักเกิดจากไวรัส papilloma ในมนุษย์ (HPV) 4. ฝีที่ทวารหนัก: นี่คือการติดเชื้อทางทวารหนักที่ทำให้เกิดฝีใต้ผิวหนังของทวารหนัก 5. เนื้องอกที่ทวารหนัก: เป็นเนื้องอกที่เกิดขึ้นบนผิวหนังของทวารหนักหรือในทวารหนัก 6. แผลที่ทวารหนัก: เป็นแผลที่เกิดขึ้นบนผิวหนังของทวารหนัก มักเกิดจากการติดเชื้อหรือการอักเสบ 7. อาการคันที่ทวารหนัก: เป็นอาการคันที่ผิวหนังทวารหนักซึ่งอาจเกิดจากการติดเชื้อการอักเสบหรือโรคอื่นๆ หากคุณมีอาการของรอยโรคที่ทวารหนัก ให้ปรึกษาผู้เชี่ยวชาญด้านสุขภาพเพื่อรับการวินิจฉัยและการรักษาที่เหมาะสม |
| สวัสดีครับคุณหมอ เหตุใดตกขาวจึงขึ้นและเปลี่ยนเป็นสีเหลือง? | สวัสดี ตกขาวที่เพิ่มขึ้นและเป็นสีเหลืองอาจเกิดจากสาเหตุหลายประการ รวมถึงการติดเชื้อ การเปลี่ยนแปลงของฮอร์โมน ช่องคลอดแห้ง หรือปัญหาทางนรีเวชอื่นๆ ต่อไปนี้คือสาเหตุที่เป็นไปได้บางประการ: 1. การติดเชื้อ: ตกขาวที่เพิ่มขึ้นและมีสีเหลืองอาจเกิดจากการติดเชื้อในช่องคลอดหรือทางเดินปัสสาวะ การติดเชื้ออาจเกิดจากแบคทีเรีย ไวรัส หรือเชื้อรา 2. การเปลี่ยนแปลงของฮอร์โมน: การเปลี่ยนแปลงของฮอร์โมน เช่น รอบประจำเดือนหรือวัยหมดประจำเดือน อาจทำให้ตกขาวและมีสีเหลืองเพิ่มขึ้น 3. ช่องคลอดแห้ง: ช่องคลอดแห้งอาจทำให้ตกขาวเพิ่มขึ้นและมีสีเหลือง 4. ปัญหาทางนรีเวชอื่นๆ: ปัญหาทางนรีเวชอื่นๆ เช่น มดลูกอักเสบ เยื่อบุโพรงมดลูกเจริญผิดที่ หรือเยื่อบุโพรงมดลูกเจริญผิดที่ อาจทำให้เกิดตกขาวเพิ่มขึ้นและมีสีเหลืองได้ หากคุณกังวลเกี่ยวกับระดูขาวของคุณ ขอแนะนำให้ปรึกษานรีแพทย์เพื่อทำการตรวจและวินิจฉัยโรค แพทย์ของคุณสามารถระบุสาเหตุและให้การรักษาที่เหมาะสมตามอาการและผลการทดสอบของคุณ |
| หากมีช็อคโกแลตตกขาวหลังทำแท้งด้วยยา เป็นเพราะการทำแท้งไม่สะอาดหรือเปล่า? | การเกิดระดูขาวจากช็อกโกแลตหลังการทำแท้งด้วยยาไม่ได้หมายความว่าการทำแท้งนั้นไม่สะอาดเสมอไป ตกขาวจากช็อกโกแลตเกิดจากการหลั่งและมีเลือดออกของเยื่อบุมดลูก และมักเกิดขึ้นภายในช่วงระยะเวลาหนึ่งหลังการทำแท้งด้วยยา สาเหตุของการเกิดระดูขาวจากช็อกโกแลตหลังการทำแท้งด้วยยาอาจรวมถึง: 1. การหลุดของเยื่อบุโพรงมดลูก: หลังจากทำแท้งด้วยยา เยื่อบุโพรงมดลูกจะหลั่งออกมาทำให้มีเลือดออก เลือดออกนี้อาจปรากฏเป็นระดูขาวช็อกโกแลต 2. การติดเชื้อ: หลังจากทำแท้งด้วยยา เยื่อบุโพรงมดลูกและปากมดลูกอาจได้รับบาดเจ็บ ทำให้เสี่ยงต่อการติดเชื้อแบคทีเรีย การติดเชื้ออาจทำให้ช็อกโกแลตตกขาวได้ 3. การเปลี่ยนแปลงของระดับฮอร์โมน: หลังจากทำแท้งด้วยยา ระดับฮอร์โมนอาจเปลี่ยนแปลง ทำให้เกิดตกขาวจากช็อกโกแลต หากช็อกโกแลตตกขาวเป็นเวลานานหรือมีอาการอื่นร่วมด้วย เช่น ปวดท้อง มีไข้ กลิ่นแปลก ๆ ของสารคัดหลั่ง เป็นต้น แนะนำให้ไปพบแพทย์ทันเวลาและทำการตรวจที่เกี่ยวข้อง เช่น การตรวจทางนรีเวช B-อัลตราซาวนด์ ฯลฯ เพื่อตรวจสอบว่ามีการติดเชื้อหรือปัญหาอื่น ๆ ดำเนินการรักษาตามคำแนะนำของแพทย์ |
| ครีมวิตามินอีรักษาโรคอะไรได้บ้าง? | ครีมวิตามินอีเป็นยาเฉพาะที่ซึ่งส่วนใหญ่ใช้รักษาโรคผิวหนัง เช่น สิว และโรคผิวหนังอักเสบจากผิวหนัง ช่วยลดการผลิตน้ำมันของผิวหนัง ลดการอักเสบ และส่งเสริมการซ่อมแซมผิว ควรสังเกตว่าครีมวิตามินอีไม่ใช่ยาครอบจักรวาลและอาจไม่เหมาะกับโรคผิวหนังบางชนิด ก่อนใช้งานแนะนำให้ปรึกษาแพทย์หรือเภสัชกรเพื่อทำความเข้าใจข้อบ่งชี้ ข้อห้าม การใช้และปริมาณของยา ในเวลาเดียวกันคุณควรปฏิบัติตามคำแนะนำของแพทย์เมื่อใช้ยาเพื่อหลีกเลี่ยงการใช้ยาในทางที่ผิดด้วยตนเอง |
| สิวเกิดจากอะไร? | สิวหรือที่เรียกว่า Comedones เกิดจากการอุดตันของรูขุมขนในผิวหนัง สาเหตุของการอุดตันรูขุมขนเกิดได้จากหลายสาเหตุ ได้แก่: 1. ต่อมไขมันที่ทำงานมากเกินไป: ต่อมไขมันผลิตน้ำมันมากเกินไป ส่งผลให้รูขุมขนอุดตัน 2. รูขุมขนอุดตัน: เซลล์ผิวที่ตายแล้ว น้ำมัน และแบคทีเรียบนผิวเกิดการอุดตันรูขุมขน 3. การอักเสบ: สิวมักมาพร้อมกับการอักเสบ ซึ่งอาจเกิดจากการติดเชื้อที่ผิวหนังหรือการตอบสนองของระบบภูมิคุ้มกันต่อสิว 4. ปัจจัยทางพันธุกรรม: บางคนอาจไวต่อการเกิดสิวได้มากกว่า อาจเนื่องมาจากปัจจัยทางพันธุกรรม 5. การเปลี่ยนแปลงของฮอร์โมน: สิวมักเกิดขึ้นในช่วงวัยแรกรุ่นและมีประจำเดือน ซึ่งอาจเกิดจากการเปลี่ยนแปลงของฮอร์โมน 6. ปัจจัยด้านไลฟ์สไตล์: ปัจจัยด้านไลฟ์สไตล์บางอย่าง เช่น ความเครียด อาหารที่ไม่ดี และการขาดการออกกำลังกาย ก็สามารถทำให้เกิดสิวได้เช่นกัน 7. เครื่องสำอางและผลิตภัณฑ์ดูแลผิว: เครื่องสำอางและผลิตภัณฑ์ดูแลผิวบางชนิดอาจทำให้เกิดสิว โดยเฉพาะเครื่องสำอางที่มีส่วนผสมที่ระคายเคือง 8. ยา: ยาบางชนิด เช่น ยาเม็ดคุมกำเนิด อาจทำให้เกิดสิวได้เช่นกัน เพื่อป้องกันสิว คุณสามารถทำตามขั้นตอนต่างๆ เช่น การรักษาผิวให้สะอาด ใช้ผลิตภัณฑ์ดูแลผิวที่อ่อนโยน หลีกเลี่ยงการใช้เครื่องสำอางและผลิตภัณฑ์ดูแลผิวมากเกินไป รักษาวิถีชีวิตและการรับประทานอาหารที่ดีต่อสุขภาพ และหลีกเลี่ยงความเครียดและการเปลี่ยนแปลงของฮอร์โมน หากสิวของคุณรุนแรง คุณอาจต้องขอความช่วยเหลือจากแพทย์ผิวหนัง |
| จะทำอย่างไรถ้าคุณมีสิวบนใบหน้า ยาอะไรที่คุณสามารถทานได้ และสิ่งที่คุณต้องใส่ใจ | สิวหรือที่เรียกว่าสิวเป็นโรคผิวหนังที่พบบ่อย การรักษาสิวต้องพิจารณาหลายด้านอย่างครอบคลุม เช่น อาหาร นิสัยการใช้ชีวิต ยารักษาโรค เป็นต้น นี่คือข้อเสนอแนะบางส่วน: 1. อาหาร: * หลีกเลี่ยงอาหารที่มีน้ำตาล ไขมัน และน้ำมันสูง เช่น อาหารจานด่วน ขนมหวาน อาหารทอด เป็นต้น * กินผักสด ผลไม้ และเมล็ดธัญพืชให้มากขึ้นเพื่อเพิ่มปริมาณใยอาหารและส่งเสริมการบีบตัวของลำไส้ * หลีกเลี่ยงการบริโภคคาเฟอีน แอลกอฮอล์ อาหารรสเผ็ด และอาหารกระตุ้นอื่น ๆ มากเกินไป 2. นิสัยการใช้ชีวิต: * รักษาตารางการนอนหลับที่ดีและให้แน่ใจว่านอนหลับเพียงพอ * หลีกเลี่ยงการใช้ผลิตภัณฑ์อิเล็กทรอนิกส์ เช่น คอมพิวเตอร์ และโทรศัพท์มือถือ เป็นเวลานาน เพื่อหลีกเลี่ยงการระคายเคืองต่อรังสีที่ผิวหนัง * ดูแลผิวของคุณให้สะอาดและใช้คลีนเซอร์สูตรอ่อนโยนทุกเช้าและเย็น * หลีกเลี่ยงการบีบสิวเพื่อหลีกเลี่ยงการติดเชื้อและรอยแผลเป็น 3. ยาเสพติด: * ยาเฉพาะที่: คุณสามารถใช้ผลิตภัณฑ์ดูแลผิวที่มีกรดซาลิไซลิก กรดเบนโซอิก กรดอะเซไลอิก และส่วนผสมอื่นๆ เพื่อช่วยขจัดเซลล์ผิวที่ตายแล้วบนผิวและลดการเกิดสิว * ยารับประทาน: หากสิวรุนแรง อาจพิจารณาใช้ยาปฏิชีวนะชนิดรับประทาน วิตามินบีรวม สังกะสี และยาอื่นๆ ได้ แต่ต้องใช้ภายใต้คำแนะนำของแพทย์ 4. หมายเหตุ: * อย่าใช้เครื่องสำอางและผลิตภัณฑ์ดูแลผิวแบบสุ่มเพื่อหลีกเลี่ยงการระคายเคืองต่อผิวหนัง * อย่าทำความสะอาดผิวมากเกินไปเพื่อหลีกเลี่ยงการทำลายเกราะป้องกันผิวหนัง * รักษาอารมณ์ของคุณให้สบายและหลีกเลี่ยงอารมณ์เชิงลบ เช่น ความวิตกกังวลและภาวะซึมเศร้า กล่าวโดยสรุป การรักษาสิวจำเป็นต้องพิจารณาอย่างครอบคลุมหลายด้าน เช่น อาหาร พฤติกรรมการใช้ชีวิต ยารักษาโรค เป็นต้น ในระหว่างขั้นตอนการรักษา อดทนและมั่นใจ ปฏิบัติตามคำแนะนำของแพทย์ และค่อยๆ ปรับสภาพผิวของคุณ |
| vas deferens ที่อุดตันจะทำให้ผู้ชายมีบุตรยากหรือไม่? สวัสดี คุณหมอ เพื่อนร่วมงานของฉันไม่มีความสุขเลยช่วงนี้ ฉันถามเธอว่าเกิดอะไรขึ้น เธอบอกว่า vas deferens ของสามีเธอถูกบล็อก เขาจึงไม่เคยมีลูก ไม่ใช่ว่าเขาไม่อยากมีลูก deferens ทำให้ผู้ชายมีบุตรยาก? | การอุดตันของ vas deferens อาจทำให้ผู้ชายมีบุตรยาก vas deferens เป็นท่อที่เชื่อมระหว่างอัณฑะกับท่อปัสสาวะ และลำเลียงอสุจิจากอัณฑะไปยังท่อปัสสาวะ หากท่ออสุจิอุดตัน อสุจิจะไม่สามารถผ่านท่ออสุจิไปยังท่อปัสสาวะได้ ทำให้เกิดภาวะมีบุตรยาก สาเหตุของการอุดตันของ vas deferens เกิดขึ้นได้จากหลายสาเหตุ เช่น พัฒนาการผิดปกติแต่กำเนิด การอักเสบ เนื้องอก การบาดเจ็บ เป็นต้น วิธีการรักษาสำหรับการอุดตันของ vas deferens ได้แก่ การผ่าตัดเพื่อปลดบล็อกและการรักษาด้วยยา หากหลอดเลือดอสุจิอุดตันอย่างรุนแรง อาจจำเป็นต้องได้รับการผ่าตัดเพื่อให้หลอดเลือดหายไป สิ่งสำคัญที่ควรทราบคือ การอุดตันของ vas deferens ไม่ได้นำไปสู่ภาวะมีบุตรยากเสมอไป เนื่องจากมีวิธีอื่นในการส่งอสุจิเข้าสู่ร่างกายของผู้หญิง ตัวอย่างเช่น อสุจิสามารถเข้าถึงร่างกายของผู้หญิงผ่านทางเนื้อเยื่อ เช่น ท่อน้ำอสุจิและต่อมลูกหมาก ดังนั้นหากหลอดเลือดอสุจิอุดตัน แนะนำให้ไปพบแพทย์ทันทีและขอความช่วยเหลือจากแพทย์ผู้เชี่ยวชาญ |
| กล้ามเนื้อหัวใจตายสามารถรักษาได้หรือไม่? | ภาวะกล้ามเนื้อหัวใจตายเป็นภาวะร้ายแรงซึ่งหากได้รับการรักษาอย่างทันท่วงที สามารถช่วยชีวิตและป้องกันความพิการในระยะยาวได้ กุญแจสำคัญในการรักษาภาวะกล้ามเนื้อหัวใจตายคือการรับรู้และการรักษาตั้งแต่เนิ่นๆ การรักษาภาวะกล้ามเนื้อหัวใจตายมักเกี่ยวข้องกับขั้นตอนต่อไปนี้: 1. ไปพบแพทย์ทันที: หากมีอาการ เช่น อาการเจ็บหน้าอก หายใจลำบาก หรือเป็นลม ให้ไปพบแพทย์ทันที 2. การใช้ยา: แพทย์ของคุณอาจสั่งจ่ายยา เช่น ไนโตรกลีเซอรีนหรือแอสไพริน เพื่อช่วยบรรเทาอาการและป้องกันความเสียหายเพิ่มเติม 3. การบำบัดลิ่มเลือด: หากผู้ป่วยมีภาวะกล้ามเนื้อหัวใจตายก่อนมาถึงโรงพยาบาล แพทย์อาจทำการบำบัดลิ่มเลือด โดยฉีดยาละลายลิ่มเลือดเพื่อช่วยฟื้นฟูการไหลเวียนของเลือด 4. การผ่าตัดรักษา: หากการใช้ยาหรือการรักษาด้วยลิ่มเลือดล้มเหลว แพทย์อาจแนะนำให้ทำการผ่าตัด เช่น การผ่าตัดบายพาสหลอดเลือดหัวใจ หรือการใส่ขดลวดหัวใจ 5. การฟื้นฟูและการป้องกัน: การรักษาภาวะกล้ามเนื้อหัวใจตายมักมีโปรแกรมการฟื้นฟูเพื่อช่วยให้ผู้ป่วยกลับมาทำงานได้อีกครั้ง และป้องกันเหตุการณ์เกี่ยวกับหัวใจในอนาคต นอกจากนี้ ผู้ป่วยควรปฏิบัติตามคำแนะนำของแพทย์เพื่อลดความเสี่ยงต่อโรคหัวใจ สิ่งสำคัญคือต้องสังเกตว่าการรักษาภาวะกล้ามเนื้อหัวใจตายขึ้นอยู่กับสภาพและอาการเฉพาะของผู้ป่วย ดังนั้น หากคุณหรือคนที่คุณรู้จักมีอาการของกล้ามเนื้อหัวใจตาย ควรไปพบแพทย์ทันที |
| วิธีรักษาพลังให้ตัวเองมี 5 ข้อแนะนำ | 1. นอนหลับให้เพียงพอ: การนอนหลับเป็นสิ่งสำคัญในการรักษาระดับพลังงานให้สูง ตรวจสอบให้แน่ใจว่าคุณนอนหลับอย่างมีคุณภาพ 7-9 ชั่วโมงทุกคืน 2. รับประทานอาหารที่สมดุล: อาหารที่สมดุลเป็นสิ่งสำคัญในการรักษาระดับพลังงาน ตรวจสอบให้แน่ใจว่าคุณกินโปรตีน คาร์โบไฮเดรต และไขมันที่ดีต่อสุขภาพเพียงพอ 3. ออกกำลังกายสม่ำเสมอ: การออกกำลังกายเป็นประจำจะช่วยเพิ่มระดับพลังงานได้ พยายามออกกำลังกายแบบแอโรบิกอย่างน้อย 30 นาทีทุกวัน เช่น เดิน วิ่ง หรือขี่จักรยาน 4. จัดการความเครียด: ความเครียดจะระบายพลังงาน ดังนั้นการจัดการความเครียดจึงเป็นสิ่งสำคัญในการรักษาระดับพลังงานให้อยู่ในระดับสูง พยายามหาวิธีผ่อนคลายและลดความเครียด เช่น การทำสมาธิ โยคะ หรือการฝึกหายใจเข้าลึกๆ 5. รักษาร่างกายให้ชุ่มชื้น: ภาวะขาดน้ำสามารถลดระดับพลังงานได้ อย่าลืมดื่มน้ำให้เพียงพอทุกวันและให้น้ำคืนตามความจำเป็น |
| เขียนบทกวีฤดูใบไม้ผลิ | ฤดูใบไม้ผลิ, เป็นฤดูที่โลกตื่นขึ้น เป็นฤดูกาลแห่งการฟื้นฟูสำหรับทุกสิ่ง เป็นช่วงที่ชีวิตเบ่งบาน ฤดูใบไม้ผลิ, มันเป็นฤดูที่มีแดด เป็นฤดูนกร้องและดอกไม้หอม เป็นฤดูแห่งความเขียวขจี เป็นฤดูกาลแห่งความหวังอันไม่มีที่สิ้นสุด ฤดูใบไม้ผลิ, เป็นฤดูที่ผู้คนหัวเราะ เป็นฤดูกาลที่เด็กๆ จะได้เล่น เป็นฤดูที่คู่รักจะโอบกอดกัน เป็นช่วงที่ผู้คนไล่ตามความฝัน |
| ทำไมไม่มีหมีขั้วโลกในทวีปแอนตาร์กติกา? | ไม่มีหมีขั้วโลกในแอนตาร์กติกาเนื่องจากหมีขั้วโลกอาศัยอยู่ในภูมิภาคอาร์กติก ในขณะที่แอนตาร์กติกาตั้งอยู่ในซีกโลกใต้ และสภาพอากาศและสิ่งแวดล้อมแตกต่างจากภูมิภาคอาร์กติกอย่างมาก แอนตาร์กติกามีสภาพอากาศหนาวเย็นมากและถูกปกคลุมไปด้วยน้ำแข็งและหิมะตลอดทั้งปี ในขณะที่หมีขั้วโลกอาศัยอยู่ในแถบอาร์กติก ซึ่งมีสิ่งมีชีวิตทางทะเลและสัตว์เลี้ยงลูกด้วยนมบนบกมากมาย นอกจากนี้ ระบบนิเวศในแอนตาร์กติกายังแตกต่างจากในอาร์กติกและไม่มีเงื่อนไขการอยู่รอดตามที่หมีขั้วโลกต้องการ |
โครงการนี้สามารถใช้เพื่อวัตถุประสงค์ในการวิจัยเท่านั้น และผู้พัฒนาโครงการจะไม่รับผิดชอบต่อความเสียหายหรือความสูญเสียใดๆ ที่เกิดจากการใช้โครงการนี้ (รวมถึงแต่ไม่จำกัดเพียงข้อมูล แบบจำลอง รหัส ฯลฯ) โปรดดูข้อจำกัดความรับผิดชอบสำหรับรายละเอียด
ข้อตกลงใบอนุญาตสำหรับรหัสโครงการ MedicalGPT คือ Apache License 2.0 รหัสนี้สามารถใช้งานได้ฟรีเพื่อวัตถุประสงค์ทางการค้า และน้ำหนักของโมเดลและข้อมูลสามารถใช้เพื่อวัตถุประสงค์ในการวิจัยเท่านั้น โปรดแนบลิงก์ไปยัง MedicalGPT และข้อตกลงใบอนุญาตในคำอธิบายผลิตภัณฑ์
หากคุณใช้ MedicalGPT ในการวิจัย โปรดอ้างอิงในรูปแบบต่อไปนี้:
@misc{MedicalGPT,
title={MedicalGPT: Training Medical GPT Model},
author={Ming Xu},
year={2023},
howpublished={ url {https://github.com/shibing624/MedicalGPT}},
}รหัสโปรเจ็กต์ยังคงหยาบมาก หากคุณมีการปรับปรุงโค้ดใดๆ คุณสามารถส่งกลับมาที่โปรเจ็กต์นี้ได้ก่อนส่ง โปรดใส่ใจกับสองประเด็นต่อไปนี้:
testspython -m pytest เพื่อรันการทดสอบหน่วยทั้งหมดเพื่อให้แน่ใจว่าการทดสอบหน่วยทั้งหมดผ่านจากนั้นคุณสามารถส่ง PR
ขอบคุณสำหรับการทำงานที่ยอดเยี่ยมของพวกเขา!
