研究比较了多模态表示学习在医学中的应用，探讨通用表示的可转移性、多模态对比训练的必要性及特征粒度的影响。通过测试八种方法，使用280万图像-文本对进行训练，并在25个任务上评估。结果表明通用表示具有可转移性，多模态训练需结合细粒度特征。代码已公开。

提出了一种新颖的预训练框架，构建了适用于图像质量评估的通用表示。方法在多个数据集上取得了最先进的性能，并展现了显著的泛化能力。