🤖 ‏ دستیار پزشکی هوشمند با معماری RAG

🔬 ‏ در این پروژه، یک دستیار تخصصی پزشکی با استفاده از تکنیک RAG (بازیابی اطلاعات برای افزایش دقت مدل) پیاده‌سازی شده است. این سیستم با بهره‌گیری از داده‌های معتبر پایگاه MedQAD متعلق به NIH، دقت بالایی در ارائه پاسخ‌های پزشکی دارد.

⚡ ‏ برای تحلیل متون زیست‌پزشکی از مدل PubMedBERT استفاده شده که پرسش‌های کاربر را به بردارهای معنایی دقیق تبدیل می‌کند. سپس این بردارها در دیتابیس FAISS ذخیره می‌شوند تا جستجوی شباهت با سرعت و کارایی بسیار بالایی انجام شود.

🧠 ‏ در مرحله بازیابی، سیستم متون مرتبط با پرسش کاربر را شناسایی کرده و با ترکیب آن‌ها، یک Augmented Prompt می‌سازد. در نهایت، مدل GPT-2 بر اساس این کانتکست غنی‌شده، پاسخ نهایی را به‌صورت تخصصی و آگاه از بافت تولید می‌کند.

🧩 ‏ پشته تکنولوژی این دستیار شامل Python و PyTorch است.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#PubMedBERT #MedQAD