MEDMKG：用多模态知识图谱评测医学知识利用

论文发布医学多模态知识图谱 MEDMKG 及配套过滤算法与评测基准。

资讯摘要

论文提出 MEDMKG，一个医学多模态知识图谱，通过多阶段流程将 MIMIC-CXR 的影像数据与 UMLS 的结构化临床知识融合，并用规则工具与大语言模型完成概念抽取和关系建模。作者还提出面向多模态图谱的 Neighbor-aware Filtering（NaF）过滤算法以控制图质量与紧凑度。论文在三个任务、两种实验设置下评测了 24 个基线方法和 4 个视觉语言骨干模型，覆盖六个数据集，作者报告该图谱能提升下游医学任务表现。

要点速读

1. MEDMKG 融合 MIMIC-CXR 多模态数据与 UMLS 结构化临床知识，构建流程结合规则工具与大语言模型。
2. 作者提出 Neighbor-aware Filtering（NaF）过滤算法，用于保证多模态知识图谱的质量与紧凑度。
3. 评测覆盖三个任务、两种实验设置、24 个基线方法、4 个视觉语言骨干和六个数据集，作者报告下游医学任务性能提升。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。