Датасет · vector-institute
Медицинские изображения и подписи из PubMed Central
vector-institute/open-pmc-18m
Масштабный англоязычный корпус пар «изображение — текст», извлечённых из открытых медицинских статей PubMed Central.
Что внутри
Датасет содержит от 10 до 100 миллионов пар картинок и текстовых описаний на английском языке, собранных из научных публикаций PubMed Central. Авторы из Vector Institute подготовили его для исследований на стыке компьютерного зрения и NLP в медицине. Формат файлов в карточке не уточняется.
Что можно сделать
- Предобучение мультимодальных моделей (CLIP-подобных или VLM) в медицинской области
- Обучение систем поиска по медицинским изображениям и генерации описаний к ним
- Языки
- Английский
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 44 тыс.
- Лайков
- 10
Как загрузить
from datasets import load_dataset
ds = load_dataset("vector-institute/open-pmc-18m")