返回
Advancing Medical Representation Learning Through High-Quality Data
DOI:10.1007/978-3-032-05169-1_3.png)
摘要
En 中文
尽管医学视觉-语言数据集的规模日益增长,但数据集质量对模型性能的影响仍需进一步探索。我们介绍Open-PMC,一个来自PubMed Central的高质量医学数据集,包含220万图像-文本对,并补充了图像模态标注、子图以及文本内摘要引用。值得注意的是,文本内引用提供了更丰富的医学上下文,超越了通常出现在标题中的摘要信息。通过大量实验,我们在检索和零样本分类任务中,将Open-PMC与更大规模的数据集进行了基准对比。结果显示,数据集质量(而不仅仅是规模)是驱动性能显著提升的关键因素。我们通过深入分析特征表示来补充这一基准。我们的发现强调了数据整理质量在推动多模态医学人工智能发展中的关键作用。我们发布了Open-PMC数据集,以及预训练模型和代码库。
Keyword:
Multimodal Learning
Representation Learning
Contrastive Learning
Image Decomposition
期刊
机构
引用论文
没有更多内容

