Jev 读取 CT 扫描
帖子展示了Jev模型正在读取CT扫描图像,体现其在医疗影像处理方面的应用。
THE JEV GUIDE · CURATED EDITION
TypeSafe Jev 的发布、原理、演示与社区实践,按主题整理。每条内容都可回到 X 原帖核对。
人工精选 · 非全量收录 · 手动更新
01 / EXPLORE
0 表示待收录
帖子展示了Jev模型正在读取CT扫描图像,体现其在医疗影像处理方面的应用。
受 Jev 和开源社区启发,MedJev 可将临床自由文本笔记转换为结构化字段,并在消费级 GPU 上运行。
帖子指出 Jev 不是聊天机器人,而是负责选择、评分和路由;LLM 负责起草、总结和对话。在诊所中,LLM 处理语言,Jev 检查或路由输出,员工保持控制。
OpenMed 开始评估 Jev 用于医疗 AI:本地提供 span 与上下文,托管 Jev 分配状态,代码控制草稿,每个决策可追溯来源。
作者用 GPT-Live-1 与 TypeSafe JEV 构建医疗语音智能体,逐轮分类意图并选择安全动作;当用户说“我胸痛”时停止预约流程并转接临床人员。
团队发布 Solomon 27B,作为 JEV 的开源权重替代方案,基于 Qwen3.8-27B 并基本保留其能力,定位为医疗模型。
该帖子展示了一个临床工作流:GLiNER 识别二甲双胍,DeBERTa 发现矛盾,Jev 返回 block_conflict,代码停止更新并转人工审核,三个模型各司其职,形成失败关闭流程。
作者分享使用 Jev 的体验,探讨其在医疗领域对非结构化数据进行分类、过滤、清洗及工作流路由时,如何变得更便宜、更快速。
用户指出许多医疗系统要求文档不得发送给第三方应用或 API,因此 Jev 的 PII 脱敏引擎在该场景下无法使用。
一位产品经理分享试用 TypeSafe Jev 的体验,探索用其解决医疗工作流中分类和路由密集型问题。
讨论临床 AI 中大量受限决策场景(分诊、路由、评分、筛查、升级)如何受益于 Jev 和 System One 模型。
作者提出利用 Jev 的概率校准特性,为危重病人构建生命体征恶化模拟器,以改善机械报警的不足。