CXR-CLIP:大规模胸部 X 光照片语言 - 图像预训练
原文约300字/词,阅读约需1分钟。发表于: 。本文研究了利用大规模图像 - 文本配对数据集进行视觉语言预训练模型的发展,解决医疗领域中缺乏数据的问题,并通过扩展图像 - 标签对为图像 - 文本对,利用多个图像和多个部分的放射学报告来提高模型性能。同时设计了两个对比损失,ICL 和...
本文研究了利用大规模图像-文本配对数据集进行视觉语言预训练模型的发展,解决医疗领域中缺乏数据的问题,并通过扩展图像-标签对为图像-文本对,利用多个图像和多个部分的放射学报告来提高模型性能。同时设计了两个对比损失,ICL和TCL,来学习医学图像和报告的研究级特征。该模型在相同条件下优于现有的最先进模型。