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")