MedPMC：扩展高保真医学多模态基础模型数据的系统框架

MedPMC提出一套可持续更新的自动化框架，从610万篇PMC文章中筛选并整理出1100万组医学图像—文本对。组件评估显示筛选、图表检测、分离、对齐和分类均取得较高指标；人工复核认为95.3%的图像具有医学相关性。基于该语料训练的模型在26项基准、医学视觉问答及皮肤科检索任务上超过匹配基线。