PulseAugur
中
实时 06:46:30
English(EN) MedPMC: A Systematic Framework for Scaling High-Fidelity Medical Multimodal Data for Foundation Models

MedPMC框架从文献中整理了1100万个医学图像-文本对

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了MedPMC，一个旨在系统地从公开文献中整理高保真医学多模态数据的框架。该框架处理了PubMed Central的610万篇文章，产生了1100万个医学图像-文本对。评估表明MedPMC在图像-文本对齐和医学图分类等任务中具有有效性，与先前的数据集相比，医学相关图像显著增加。使用MedPMC数据训练的模型在医学基准和临床环境中表现出增强的性能，特别是在零样本学习和视觉问答方面。 AI

影响 通过提供可扩展、高保真的数据源，增强了医学基础模型，有望改善临床应用和研究。

排序理由 该集群描述了一个在学术论文中提出的用于医学多模态基础模型的新框架和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

MedPMC框架从文献中整理了1100万个医学图像-文本对

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Qingyu Chen ·

    MedPMC: A Systematic Framework for Scaling High-Fidelity Medical Multimodal Data for Foundation Models

    Medicine is inherently multimodal, requiring clinicians to synthesize information across diverse data streams. Yet the development of multimodal foundation models is constrained by limited access to large-scale, high-quality clinical data. Although PubMed Central (PMC) offers a c…

相关实体

相关话题