摘要：
头部MRI作为脑部临床检查手段之一，常用于脑卒中等疾病的诊断，而人工进行头部MRI的诊断依赖医生丰富的临床经验且会消耗大量人力。为了有效降低头部MRI的误诊率和漏诊率，减少医生的工作量，提出了一种通过微调大规模语言模型进行头部MRI自动诊断的方法，首先通过对头部MRI报告-诊断数据集进行预处理获得高质量数据，再以ChatGLM-6B为基础模型，并采用P-Tuning v2方法对该模型进行微调。为了克服部分表述的同义性使得用准确率难以对模型进行评估，提出采用平均Dice系数对模型进行评估。通过实验，模型可以达到0.890 4的平均Dice系数。