/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Библиотека
open_clip
Опубликована
31 мая 2026

medpmc-clip-l-14_jun24_v1

Классификация изображений без дообученияИзображение, текст → label3 профессии

MedPMC-CLIP — медицинская модель OpenCLIP для классификации изображений по текстовым меткам и поиска медицинских изображений без дообучения.

59скачиваний за 30 дней1лайквеса обновлены25 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MedPMC-CLIP — медицинская vision-language модель, разработанная авторами работы MedPMC и представленная как модель на архитектуре OpenCLIP ViT-L-14. Она обучена на наборе MedPMC-11M примерно из 11 миллионов пар изображение–описание, собранных из биомедицинской литературы. Репозиторий содержит чекпойнт в формате OpenCLIP; текстовые запросы токенизируются стандартным токенизатором OpenCLIP для ViT-L-14.

Модель предназначена для классификации медицинских изображений без дообучения по текстовым меткам и поиска изображений по тексту или изображений, близких по смыслу. В описанных оценках она превзошла базовые модели в классификации на 26 открытых медицинских бенчмарках и в поиске изображений во внутреннем наборе клинической дерматологии. Лицензия CC-BY-NC-SA-4.0 требует учитывать условия атрибуции, распространения на тех же условиях и некоммерческого использования. Результаты на отдельных наборах не гарантируют качество для любых клинических сценариев.

Сценарии применения

  • классификация медицинских изображений по текстовым описаниям
  • поиск медицинских изображений по текстовому запросу
  • поиск похожих изображений в биомедицинских коллекциях
  • сопоставление медицинского изображения с описанием

Ограничения

Качество оценки ограничено данными и бенчмарками, описанными в исследовании; результаты на них не подтверждают пригодность модели для любых клинических решений. Лицензия CC-BY-NC-SA-4.0 ограничивает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MedPMC-CLIP

MedPMC-CLIP is a medical vision-language model based on the OpenCLIP ViT-L-14 architecture. The model was presented in the paper MedPMC: A Systematic Framework for Scaling High-Fidelity Medical Multimodal Data for Foundation Models.

The model was trained on the MedPMC-11M dataset, a carefully curated collection of approximately 11 million image-caption pairs derived from biomedical literature. Across a wide range of evaluations, MedPMC-CLIP consistently outperforms existing baseline models, including zero-shot medical image classification on 26 public benchmarks and zero-shot image retrieval on an internal clinical dermatology dataset.

For additional details on model training and benchmark results, please refer to the paper and GitHub repository.

To reproduce the evaluation results reported in the paper, please refer to medpmc-clip-eval.

This repository provides the checkpoint in OpenCLIP format. Text inputs should be tokenized using the default OpenCLIP tokenizer for ViT-L-14.

tokenizer = open_clip.get_tokenizer("ViT-L-14")

Files

  • open_clip_model.safetensors: OpenCLIP-format model checkpoint
  • inference_example.py: example code for image-text similarity
  • requirements.txt: minimal dependencies
import torch
import open_clip
from huggingface_hub import hf_hub_download
from PIL import Image

model_name = "ViT-L-14"
device = "cuda" if torch.cuda.is_available() else "cpu"

repo_id = "Yale-BIDS-Chen/medpmc-clip-l-14_jun24_v1"

ckpt_path = hf_hub_download(
    repo_id=repo_id,
    filename="open_clip_model.safetensors",
)

model, _, preprocess = open_clip.create_model_and_transforms(
    model_name,
    pretrained=ckpt_path,
    device=device,
)

model.eval()
tokenizer = open_clip.get_tokenizer(model_name)

image = preprocess(
    Image.open("/path/to/example.jpg").convert("RGB")
).unsqueeze(0).to(device)

text = tokenizer([
    "fundus photograph",
    "chest radiograph",
    "histopathology image",
]).to(device)

with torch.no_grad():
    image_features = model.encode_image(image)
    text_features = model.encode_text(text)

    image_features /= image_features.norm(dim=-1, keepdim=True)
    text_features /= text_features.norm(dim=-1, keepdim=True)

    similarity = image_features @ text_features.T

print(similarity)

License

The model is released for non-commercial research use under CC BY-NC-SA 4.0.

Citation

@article{kim2026medpmc,
  title={MedPMC: A Systematic Framework for Scaling High-Fidelity Medical Multimodal Data for Foundation Models},
  author={Kim, Hyunjae and Kim, Dain and Xiao, Pan and Applebaum, Serina S and Chung, Younjoon and Ai, Xuguang and Yin, Yu and Jiang, Roy and Du, Yuexi and Wei, Yawen and others},
  journal={arXiv preprint arXiv:2607.07673},
  year={2026}
}

Questions?

For questions or feedback, please contact Hyunjae Kim at hyunjae.kim@yale.edu.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · open_clip

Нельзя запустить

Модели OpenCLIP требуют отдельного рантайма.

Ревизия весов
0999aff

0 моделей