精选理由
想训练医学多模态模型但缺高质量数据？MedPMC从610万篇论文里筛出1100万对数据，效果比现有数据集好5倍。
MedPMC从610万篇PMC文章中自动筛选出1100万医学图像-文本对。人工评估中，95.3%的图像具有医学相关性，而此前数据集仅19.7%。在26项基准测试中，基于MedPMC训练的CLIP-style模型零样本AUC平均提升7.1个百分点。作为MLLM的视觉编码器，其医学VQA准确率提升1.9和16.9个百分点。在1万张真实临床照片中，形态到图像检索Recall@5提升11.7个百分点。
AI 翻译 · 中文
MedPMC从610万篇PMC文章中自动筛选出1100万医学图像-文本对。人工评估中，95.3%的图像具有医学相关性，而此前数据集仅19.7%。在26项基准测试中，基于MedPMC训练的CLIP-style模型零样本AUC平均提升7.1个百分点。作为MLLM的视觉编码器，其医学VQA准确率提升1.9和16.9个百分点。在1万张真实临床照片中，形态到图像检索Recall@5提升11.7个百分点。
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-qua…