视觉语言模型 / CVPR2026
Ultrasound-CLIP:面向超声图像-文本理解的语义感知对比预训练
Ultrasound-CLIP: Semantic-Aware Contrastive Pre-training for Ultrasound Image-Text Understanding
对做医学视觉-语言预训练的人,这篇给出了一个可复用的思路:用领域诊断属性体系构造语义软标签和语义损失,替代 CLIP 的硬负样本对比,并额外引入由文本属性构建的异构图模态做结构化推理;US-365K 与 UDT 体系也可直接作为超声域 VLM 的评测与预训练资源。
视觉语言预训练对比学习医学影像数据集