К содержимому

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")