DeViDe是一种基于Transformer的新方法，用于胸片X光的视觉语言预训练，利用放射照片描述和开放网络中的通用视觉特征，提供了对医学知识的整体快照。在零样本设置下，DeViDe在外部数据集上表现出与全监督模型相当的性能，并在三个大规模数据集上达到了最先进的结果。此外，DeViDe在下游任务和分割任务上也展示了优越的性能。