| 1 |
What is the primary goal of the article according to its introduction?
|
To explore advancements, applications, and challenges of generative AI in medical imaging |
|
เป็นการเข้าใจเหตุผลหลักของการศึกษา
|
เนื่องจากเหตุผลในข้ออื่นๆไม่ตรงกับหลักคิดหลักๆของโจทย์ ต่างจากข้อที่เลือก
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 2 |
How do generative AI models differ from traditional discriminative models in healthcare applications?
|
1. Generative models interpret data rather than create it |
|
Generative Ai จะมีการใช้ data ที่มีเพื่อสร้างภาพเพื่อนำมาวิเคราะห์
|
ชีวิตของผู้ป่วยไม่ใช่สิ่งที่ควรผิดพลาดจากการตัดสินใจผิดไปของ Ai การนำเทคโนโลยีนี้ต้องผ่านการตรวจสอบที่ดีและถูกต้อง
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 3 |
What is meant by the term “model as a dataset”?
|
2. A dataset created manually by experts |
|
Ai model ต้องมี dataset ที่ถูกต้อง ข้อมูลภายในตเองถูก เนื่องจากเป็นตัวชี้วัดโรคภัย
|
การวัดผลพิสูจน์ผู้ป่วยไม่สามารถใช้ข้อมูลที่ผิดพลาดได้
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 4 |
Which statement correctly distinguishes physics-informed and statistical models?
|
1. Physics-informed models rely on text prompts |
|
Statistical model จะมีฐานข้อมูลที่ชัดเจน ต่างจาก physical informed model
|
งานวิจัยการศึกษา statistical Ai model กับการใช้กับบุคคลทั่วไป
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 5 |
According to the article, what does the “image generation trilemma” describe?
|
1. Balancing accuracy, ethics, and regulation |
|
การใช้ที่ผิดต่อจริยธรรมของมนุษย์เกิดเพียงผลเสีย
|
การกระทำดังกล่าวไม่เกิดประโยชน์ต่อการรักษาผู้ป่วย
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 6 |
What is the Human Turing Test used for in medical image synthesis?
|
5. To detect plagiarism in datasets |
|
Dataset ไม่ควรมีสิ่งที่ผิดภายใน
|
ชีวิตคนไข้ไม่ใช่เรื่องที่ตัดสินด้วยความผิดพลาดใน data
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
Which of the following is NOT mentioned as a potential benefit of synthetic data in healthcare?
|
4. Eliminating all medical biases permanently |
|
การวิเคราะห์ของแพทย์ควรเป็นสิ่งตัดสิน
|
การตัดสินเป็นไปตามดุลยพินิจของแพทย์
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
What is one major ethical concern associated with generative AI in medical imaging?
|
2. Data copying and patient reidentification |
|
การ Cody data ส่งผลเป็นความผิดพลาด โรคภัยไม่ควรเป็นสิ่งที่ถูกตัดสินใจของ generative Ai
|
การเกิดความผิดพลาดแบบนี้จะตัดสินชีวิตของคนไข้
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
What regulatory precedent did the article cite for synthetic data technologies?
|
1. European ban on AI medical imaging |
|
ยูโรปเป็นทวีปที่เคร่งกับการตรวจสอบ
|
ยูโรปกับการแบนของนำเข้า การตั้งกฎหมายต่างๆ
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
What is the main purpose of the article?
|
2. To compare and evaluate ASCVD risk prediction models in East Asia |
|
เพื่อตรวจสอบให้ชัดเจนกับการนำเข้า Ai มาใช้ในการประมวลผลข้อมูล
|
เพื่อวิเคราะห์เครื่องมือที่มี
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
Why might Western-based risk prediction models overestimate ASCVD risk in East Asian populations?
|
5. Data collection standards are weaker in Asia |
|
ไม่มีการเก็บข้อมูลที่เพียงพอในเอเชีย
|
Ai ได้เก็บข้อมูลหลักในแถบตะวันตกมากกว่า
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
What is the key advantage of the China-PAR model compared to Western-based models?
|
1. It includes both genetic and lifestyle factors |
|
China-PAR Model วิเคราะห์ข้อมูลจากหลายๆจุดมากกว่า
|
การวิเคราะห์ของ China-PAR Model แม่นยำกว่า
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
Which of the following variables is not typically included in ASCVD risk prediction models discussed in the article?
|
5. Smoking status |
|
การสูบบุหรี่เป็นเนื่องที่ที่เก็บข้อมูลได้ยากกว่าข้อมูลอื่นๆ
|
การสูบบุหรี่เป็นเนื่องที่ที่เก็บข้อมูลได้ยากกว่าข้อมูลอื่นๆ เหมือนสาเหตุในการตอบ
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
What is a major difference between the Suita Score and the Framingham Risk Score?
|
1. Suita Score predicts lifetime risk instead of 10-year risk |
|
Suita Score มีการวัดผลจากข้อมูลที่มากกว่า
|
Farmingham ขาดข้อมูลบางส่วนในการวิเคราะห์ผล
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
According to the article, what is a potential benefit of developing East Asia–specific risk models?
|
3. They improve accuracy and reduce overestimation of risk |
|
เกิดความสุ่มเสี่ยงน้อยลง
|
ความแม่นยำที่มากขึ้นส่งผลกับผู้ป่วย
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
Which of the following models was originally developed for a Western population?
|
5. NIPPON Data80 Model |
|
ระบุใน Article
|
ระบุตาม article
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
Which factor was highlighted as influencing ASCVD risk differences among East Asian countries?
|
2. Cultural and dietary variations, such as salt intake and lifestyle |
|
วัฒนธรรมการเป็นอยู่ที่แตกต่างกันเป็นหนึ่งในสิ่งที่ส่งผลต่อการเกิดโรค
|
เอเชียมีวัฒนธรรมที่แตกต่างจากกันเป็นอย่างมาก
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
What future direction does the article suggest for improving ASCVD risk prediction?
|
2. Using multimodal AI-based prediction integrated with regional data |
|
การใช้โมเดลที่หลากหลายจะวิเคราะห์จุดเด่นที่เกิดขึ้น
|
เพื่อรวบรวมจุดที่สงสัย
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
Which statement best explains the key difference in how VAEs, GANs, and DDPMs generate medical images according to the figure?
|
3. DDPMs iteratively remove noise through reverse diffusion rather than using encoder–decoder or discriminator structures. |
|
การสร้างรูปภาพของVAEs GANs และ DDPMs นั้นแตกต่างจากกัน
|
การสร้างรูปภาพที่แตกต่างกัน
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
Which of the following best explains the trend shown in Figure comparing age-standardized and crude CVD mortality rates among East Asian countries?
|
2. Mongolia and North Korea demonstrate higher CVD mortality due to older population structures alone. |
|
ชนชาติมีอายุมาก
|
จากข้อมูลจำนวนประชากรเมื่อเทียบกับอายุขัย
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|