Views
No views yet
|
پارس-مدیکال یک مدل هوش مصنوعی پزشکی است که با روش Full Fine-Tune روی مجموعه دادههای پزشکی فارسی و انگلیسی آموزش دیده است.
این مدل از تکنیک Chain-of-Thought (استدلال زنجیرهای) مشابه مدلهای o1 استفاده میکند تا پاسخهای دقیقتر و منطقیتر ارائه دهد.
|
Pars-Medical is a medical AI model trained with Full Fine-Tuning on Persian and English medical datasets.
It uses Chain-of-Thought reasoning (similar to o1-style models) to provide more accurate and logical responses.
|
| Feature | Description | توضیحات |
|---|---|---|
| 🌐 | Bilingual - Persian & English | دوزبانه - فارسی و انگلیسی |
| 🧠 | Chain-of-Thought - Step-by-step reasoning | استدلال زنجیرهای - گام به گام |
| 🔬 | Full Fine-Tune - Not LoRA/adapter | آموزش کامل - نه آداپتور |
| 📊 | 48K+ Samples - Large medical dataset | +۴۸ هزار نمونه - دیتاست بزرگ |
| ⚡ | 3B Parameters - Fast inference | ۳ میلیارد پارامتر - استنتاج سریع |
| 🏥 | Clinical Focus - Diagnosis & treatment | تمرکز بالینی - تشخیص و درمان |
1from transformers import AutoModelForCausalLM, AutoTokenizer
2
3model_name = "HexQuant/Pars-Medical-o1-Llama-FFT"
4
5tokenizer = AutoTokenizer.from_pretrained(model_name)
6model = AutoModelForCausalLM.from_pretrained(
7 model_name,
8 torch_dtype="auto",
9 device_map="auto"
10)
11
12messages = [
13 {"role": "user", "content": "علائم دیابت نوع ۲ چیست؟"}
14]
15
16inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)
17outputs = model.generate(inputs, max_new_tokens=512, temperature=0.7)
18print(tokenizer.decode(outputs[0], skip_special_tokens=True))1# Use quantized version for local inference
2ollama run hf.co/HexQuant/Pars-Medical-o1-Llama-FFT-GGUF📦 Looking for GGUF? See Pars-Medical-o1-Llama-FFT-GGUF for quantized versions.
یک مرد ۵۵ ساله با درد قفسه سینه، تنگی نفس و تعریق مراجعه کرده است. علائم از ۲ ساعت پیش شروع شده. تشخیص احتمالی چیست؟
<think>بیایید این مورد را گام به گام بررسی کنیم:۱. مشخصات بیمار: مرد ۵۵ ساله - در گروه سنی پرخطر برای بیماریهای قلبی۲. علائم کلیدی:
- درد قفسه سینه (علامت کلاسیک)
- تنگی نفس (نشانه اختلال عملکرد قلب)
- تعریق (فعال شدن سیستم سمپاتیک)
۳. شروع حاد: ۲ ساعت پیش - نشاندهنده وضعیت اورژانسی۴. تشخیص افتراقی:
- سندرم حاد کرونری (ACS) ⚠️ محتملترین
- آمبولی ریه
- دیسکسیون آئورت
</think>تشخیص احتمالی: سندرم حاد کرونری (Acute Coronary Syndrome)اقدامات فوری توصیه شده:
- ECG فوری (در ۱۰ دقیقه اول)
- تروپونین و آنزیمهای قلبی
- آسپرین ۳۲۵ میلیگرم
- مشاوره قلب اورژانسی
A 45-year-old woman presents with fatigue, weight gain, cold intolerance, and constipation for 3 months. What is the likely diagnosis?
<think>Let me analyze this systematically:
- Fatigue → decreased metabolic rate
- Weight gain → slowed metabolism
- Cold intolerance → reduced thermogenesis
- Constipation → decreased GI motility
</think>Likely Diagnosis: HypothyroidismRecommended workup:
- TSH (primary screening test)
- Free T4
- Anti-TPO antibodies (if Hashimoto's suspected)
- Lipid panel (dyslipidemia common in hypothyroidism)
| Parameter | Value |
|---|---|
| Base Model | Llama-3.2-3B-Instruct |
| Method | Full Fine-Tune (FFT) |
| Framework | Unsloth + Transformers |
| Precision | BF16 |
| Context Length | 4096 tokens |
| Training Hardware | NVIDIA A100 80GB |
| Dataset | Language | Samples |
|---|---|---|
| medical-o1-reasoning-SFT | English | ~40,000 |
| persian-medical-qa | Persian | ~5,000 |
| Persian-Medical-Dataset | Persian | ~3,000 |
| Format | Size | Use Case | Link |
|---|---|---|---|
| BF16 (This repo) | ~6.4 GB | Fine-tuning, Full precision | Download |
| GGUF Q4_K_M | ~2.0 GB | Ollama, llama.cpp, LM Studio | Download |
| GGUF Q5_K_M | ~2.5 GB | Better quality, local use | Download |
| GGUF Q8_0 | ~3.5 GB | Best quality quantized | Download |
|
⚠️ این مدل صرفاً برای اهداف آموزشی و تحقیقاتی طراحی شده است.
❌ جایگزین مشاوره پزشکی حرفهای نیست.
✅ همیشه با پزشک متخصص مشورت کنید.
|
⚠️ This model is for educational and research purposes only.
❌ Not a substitute for professional medical advice.
✅ Always consult with a qualified healthcare provider.
|