К содержимому

Датасет · FreedomIntelligence

Крупный корпус медицинских изображений и описаний

FreedomIntelligence/PubMedVision-Plus

Масштабный англоязычный датасет из десятков миллионов пар «медицинское изображение — подпись» из статей PubMed.

Что внутри

Внутри собраны пары из научных иллюстраций и авторских экспертных описаний для мультимодального претрейна в медицине. Объём составляет от 10 до 100 миллионов примеров на английском языке в форматах изображений и текста. Данные извлечены примерно из 15 миллионов статей PubMed и дополнительно очищены с помощью языковых и визуально-языковых моделей (LLM и VLM).

Что можно сделать

  • Претрейн и дообучение медицинских визуально-языковых моделей (VLM)
  • Обучение моделей генерации описаний для биомедицинских снимков и графиков
  • Создание систем поиска по научной медицинской литературе с учётом иллюстраций
Задачи
Картинка → текст
Языки
Английский
Размер
10M–100M записей
Скачиваний за месяц
689
Лайков
2

Как загрузить

from datasets import load_dataset

ds = load_dataset("FreedomIntelligence/PubMedVision-Plus")