VL-Health 是浙江大学联合中国电子科技大学等团队，于 2025 年发布的首个面向医疗多模态理解与生成的综合数据集，相关论文成果为：「HealthGPT: A Medical Large Vision-Language Model for Unifying Comprehension and Generation via Heterogeneous Knowledge Adaptation」。 该数据集整合了 76.5 万理解任务样本和 78.3 万生成任务样本，覆盖 11 种医学模态（包括 CT 、 MRI 、 X 光、 OCT 等）和多类疾病场景（从肺部疾病到脑部肿瘤）。

理解任务：

VL-Health 融合了 VQA-RAD（放射学问题）、 SLAKE（语义标注知识增强）、 PathVQA（病理学问答）等专业数据集，并补充 LLaVA-Med 、 PubMedVision 等大规模多模态数据，确保模型学习从基础影像识别到复杂病理推理的全链条能力。

生成任务：

生成任务则主要聚焦以下 4 个方向：

• **模态转换：**基于 SynthRAD2023 的 CT-MRI 配对数据，训练模型的模态间转换能力；
• **超分辨率：**利用 IXI 数据集的高分辨率脑部 MRI，提升图像细节重建精度；
• **文本-图像生成：**基于 MIMIC-CXR 的 X 光图像与报告，实现从文本描述到图像的生成；
• **图像重建：**改编 LLaVA-558k 数据集，训练模型的图像编码-解码能力。 数据集分类

Citation

@misc{lin2025healthgptmedicallargevisionlanguage,
title={HealthGPT: A Medical Large Vision-Language Model for Unifying Comprehension and Generation via Heterogeneous Knowledge Adaptation},
author={Tianwei Lin and Wenqiao Zhang and Sijing Li and Yuqian Yuan and Binhe Yu and Haoyuan Li and Wanggui He and Hao Jiang and Mengze Li and Xiaohui Song and Siliang Tang and Jun Xiao and Hui Lin and Yueting Zhuang and Beng Chin Ooi},
year={2025},
eprint={2502.09838},
archivePrefix={arXiv},
primaryClass={cs.CV},
url={https://arxiv.org/abs/2502.09838},
}