一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

整理了一波關(guān)于醫(yī)療NLP的數(shù)據(jù)集

深度學(xué)習(xí)自然語言處理 ? 來源:python遇見NLP ? 作者:python遇見NLP ? 2020-10-10 10:36 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

在Github上搜索整理了一波關(guān)于醫(yī)療NLP的數(shù)據(jù)集:

1

中文評(píng)測數(shù)據(jù)集

1. Yidu-S4K:醫(yī)渡云結(jié)構(gòu)化4K數(shù)據(jù)集

2.瑞金醫(yī)院糖尿病數(shù)據(jù)集

3.Yidu-N7K:醫(yī)渡云標(biāo)準(zhǔn)化7K數(shù)據(jù)集

4.中文醫(yī)學(xué)問答數(shù)據(jù)集

5.平安醫(yī)療科技疾病問答遷移學(xué)習(xí)比賽

6.天池新冠肺炎問句匹配比賽

7.中文醫(yī)患問答對(duì)話數(shù)據(jù)

8.中文醫(yī)學(xué)問答數(shù)據(jù)

9.CHIP2020各項(xiàng)評(píng)測已開放

10.醫(yī)學(xué)數(shù)據(jù)挖掘與算法評(píng)測大賽

中文醫(yī)學(xué)知識(shí)圖譜

CMeKG

英文數(shù)據(jù)集

PubMedQA: A Dataset for Biomedical Research Question Answering

中文醫(yī)療領(lǐng)域語料

醫(yī)學(xué)教材 培訓(xùn)考試

哈工大《大詞林》開放75萬核心實(shí)體詞及相關(guān)概念、關(guān)系列表(包含中藥/醫(yī)院/生物 類別)

醫(yī)學(xué)embedding

開源英文醫(yī)學(xué)embedding

鏈接:https://github.com/lrs1353281004/Chinese_medical_NLP

2

醫(yī)療行業(yè)專業(yè)詞匯語料

說明 數(shù)量 文件
口腔科病歷詞匯 11,170 stomatology.txt
國際疾病分類ICD全庫 54,304 ICD.csv
疾病診斷編碼庫ICD-10 12109 ICD-code-10.csv
醫(yī)院固定資產(chǎn)詞匯 471 properties.txt
藥品名稱詞匯 37,308 medicine.txt
電子病歷常見詞匯 1985 emr.txt

鏈接:https://github.com/xtea/chinese_medical_words

3

中文醫(yī)學(xué)NLP公開資源整理:術(shù)語集/語料庫/詞向量/預(yù)訓(xùn)練模型/知識(shí)圖譜/命名實(shí)體識(shí)別/QA/信息抽取/etc

術(shù)語集/語料庫

medical-news中文醫(yī)學(xué)新聞爬蟲

medical-books中文LaTex開源醫(yī)學(xué)書籍

THUOCL清華大學(xué)thunlp組醫(yī)學(xué)詞匯

ICD-10-CNICD-10中文對(duì)應(yīng)

OMAHA七巧板醫(yī)學(xué)術(shù)語集樣例數(shù)據(jù)

中文糖尿病標(biāo)注數(shù)據(jù)集包含實(shí)體標(biāo)注和關(guān)系標(biāo)注

詞向量/預(yù)訓(xùn)練模型

ChineseEHRBert 中文電子病歷預(yù)訓(xùn)練Bert;用Bert測試命名實(shí)體識(shí)別,問答模型,關(guān)系提取任務(wù)

分詞

PKUSEGPKUSEG分詞工具,模型支持選擇醫(yī)學(xué)

知識(shí)圖譜 / 關(guān)系提取

cMeKGChinese Medical Knowledge Graph

瑞金醫(yī)院人工智能輔助構(gòu)建知識(shí)圖譜大賽糖尿病相關(guān)的學(xué)術(shù)論文以及糖尿病臨床指南的實(shí)體標(biāo)注和抽取實(shí)體關(guān)系任務(wù)

OMAHA知識(shí)圖譜(藥品適應(yīng)癥)開放醫(yī)療與健康聯(lián)盟(Open Medical and Healthcare Alliance,OMAHA)構(gòu)建的藥品與藥品適應(yīng)證的知識(shí)圖譜數(shù)據(jù)

醫(yī)療知識(shí)圖譜數(shù)據(jù)醫(yī)療知識(shí)圖譜數(shù)據(jù)(ownthink)

病人事件圖譜數(shù)據(jù)集病人事件圖譜是一種新的基于RDF的醫(yī)療觀察性數(shù)據(jù)表示模型,可以清晰地表示臨床檢查、診斷、治療等多種事件類型以及事件的時(shí)序關(guān)系。使用三家上海三甲醫(yī)院的電子病歷數(shù)據(jù),構(gòu)建了包括3個(gè)專科、173395個(gè)醫(yī)療事件、501335個(gè)事件時(shí)序關(guān)系以及與5313個(gè)知識(shí)庫概念鏈接的醫(yī)療數(shù)據(jù)集。

中文癥狀庫這是一個(gè)包含癥狀實(shí)體和癥狀相關(guān)三元組的數(shù)據(jù)集。中文癥狀庫的數(shù)據(jù)來自8個(gè)主流的健康咨詢網(wǎng)站、3個(gè)中文百科網(wǎng)站和電子病歷。它還包含了中文癥狀與UMLS中概念的鏈接結(jié)果。

中醫(yī)醫(yī)案知識(shí)圖譜從醫(yī)案中抽取臨床知識(shí)構(gòu)建知識(shí)圖譜,幫助用戶了解中醫(yī)特色療法,以及疾?。ㄈ纭奥晕秆住保┑呐R床表現(xiàn)、相關(guān)療法、相關(guān)養(yǎng)生保健方法等

herbnet 面向中藥研究,根據(jù)中藥領(lǐng)域模型的特點(diǎn),構(gòu)建了一個(gè)包括中醫(yī)疾病,方劑,中藥, 中藥化學(xué)成分,藥理作用,中藥實(shí)驗(yàn),化學(xué)實(shí)驗(yàn)方法在內(nèi)的中藥本體。進(jìn)而,基于本體實(shí)現(xiàn)了一系列數(shù)據(jù)庫的集成,從而構(gòu)建了一個(gè)中藥知識(shí)圖譜。

CHIP2020中文醫(yī)學(xué)文本實(shí)體關(guān)系抽取

命名實(shí)體識(shí)別

CCKS2017面向中文電子病歷的醫(yī)療實(shí)體識(shí)別及屬性抽取數(shù)據(jù)集

CCKS2018面向中文電子病歷的醫(yī)療實(shí)體識(shí)別及屬性抽取數(shù)據(jù)集

CCKS2019數(shù)據(jù)下載面向中文電子病歷的醫(yī)療實(shí)體識(shí)別及屬性抽取數(shù)據(jù)集

CHIP2020中文醫(yī)學(xué)文本命名實(shí)體識(shí)別

CHIP2020中藥說明書實(shí)體識(shí)別

QA

CCIR2019CCIR 2019 基于電子病歷的數(shù)據(jù)查詢類問答

cMedQA中文醫(yī)學(xué)QA數(shù)據(jù)集

cMedQA2中文醫(yī)學(xué)QA數(shù)據(jù)集

CMID中文醫(yī)學(xué)QA意圖理解數(shù)據(jù)集

KGQA基于醫(yī)藥知識(shí)圖譜的智能問答系統(tǒng)

chatbot-base-on-Knowledge-Graph使用深度學(xué)習(xí)方法解析問題 知識(shí)圖譜存儲(chǔ) 查詢知識(shí)點(diǎn) 基于醫(yī)療垂直領(lǐng)域的對(duì)話系統(tǒng)

中文醫(yī)療對(duì)話數(shù)據(jù)集Chinese medical dialogue data 中文醫(yī)療對(duì)話數(shù)據(jù)集

webMedQAwebMedQA

MedDialogThe MedDialog dataset contains conversations (in Chinese) between doctors and patients. It has 1.1 million dialogues and 4 million utterances.

CHIP2020中醫(yī)文獻(xiàn)問題生成

術(shù)語標(biāo)準(zhǔn)化

CHIP2019臨床術(shù)語標(biāo)準(zhǔn)化任務(wù):醫(yī)渡云標(biāo)準(zhǔn)化7K數(shù)據(jù)集

CHIP2020臨床術(shù)語標(biāo)準(zhǔn)化任務(wù)

相似句對(duì)判斷

“公益AI之星”挑戰(zhàn)賽-新冠疫情相似句對(duì)判定大賽比賽整理近萬條真實(shí)語境下疫情相關(guān)的肺炎、支原體肺炎、支氣管炎、上呼吸道感染、肺結(jié)核、哮喘、胸膜炎、肺氣腫、感冒、咳血等患者提問句對(duì),要求選手通過自然語言處理技術(shù)識(shí)別相似的患者問題。

其他

CHIP2018針對(duì)中文的真實(shí)患者健康咨詢語料,進(jìn)行問句意圖匹配

CHIP2019平安醫(yī)療科技疾病問答遷移學(xué)習(xí)比賽

鏈接:https://github.com/GanjinZero/awesome_Chinese_medical_NLP

4

Data_數(shù)據(jù)中有6個(gè)文件夾分別是:

94596個(gè)問答對(duì)220606個(gè)問答對(duì)183751個(gè)問答對(duì)75553個(gè)問答對(duì)101602個(gè)問答對(duì)115991個(gè)問答對(duì) 總計(jì) 792099個(gè)問答對(duì)

每個(gè)文件夾下有一個(gè)csv文件,其中的數(shù)據(jù)格式為:

department title ask answer
心血管科 高血壓患者能吃黨參嗎? 我有高血壓這兩天女婿來的時(shí)候給我拿了些黨參泡水喝,您好高血壓可以吃黨參嗎? 高血壓病人可以口服黨參的。黨參有降血脂,降血壓的作用,可以徹底消除血液中的垃圾,從而對(duì)冠心病以及心血管疾病的患者都有一定的穩(wěn)定預(yù)防工作作用,因此平時(shí)口服黨參能遠(yuǎn)離三高的危害。另外黨參除了益氣養(yǎng)血,降低中樞神經(jīng)作用,調(diào)整消化系統(tǒng)功能,健脾補(bǔ)肺的功能。感謝您的進(jìn)行咨詢,期望我的解釋對(duì)你有所幫助。
消化科 哪家醫(yī)院能治胃反流 燒心,打隔,咳嗽低燒,以有4年多 建議你用奧美拉唑同時(shí),加用嗎丁啉或莫沙必利或援生力維,另外還可以加用達(dá)喜片

鏈接:https://github.com/Toyhom/Chinese-medical-dialogue-data

5

This dataset is used for Chinese medical QA intent understanding task.

Dataset format:

All the data is stored in a JSON file. There are 5 fields in the file. An example as follows:

{ "originalText": "間質(zhì)性肺炎的癥狀?", "entities": [{"label_type": "疾病和診斷", "start_pos": 0, "end_pos": 5}], "seg_result": ["間質(zhì)性肺炎", "的", "癥狀", "?"], "label_4class": ["病癥"], "label_36class": ["臨床表現(xiàn)"] }

鏈接:https://github.com/liutongyang/CMID

6

This is the dataset for Chinese community medical question answering. The dataset is in version 1.0 and is available for non-commercial research. We will update and expand the database from time to time. In order to protect the privacy, the data is anonymized and no personal information is included.

鏈接:https://github.com/zhangsheng93/cMedQA

7

COVID19 Language Resources: Datasets

鏈接:https://github.com/lwgkzl/Covid19-NLP

8

Datasets

BioCreative V chemical-disease relation (CDR) corpus (in short, BC5CDR corpus) (13, 14, 16, 34): It consists of 1,500 PubMed articles with 4,409 annotated chemicals, 5,818 diseases, and 3,116 chemical-disease interactions. The relation task data is publicly available through BioCreative V athttps://biocreative.bioinformatics.udel.edu/resources/corpora/biocreative-v-cdr-corpus/.

Traditional Chinese medicine (TCM) literature corpus (in short, TCM corpus) (32): The abstracts of all 106,150 papers published in the 114 most popular Chinese TCM journals between 2011 to 2016 are collected. 3024 herbs, 4957 formulae, 1126 syndromes, and 1650 diseases are found. 5 types of relations are annotated. The entire dataset is available online athttp://arnetminer.org/TCMRelExtr.

The 2012 informatics for integrating biology and the bedside (i2b2) project temporal relations challenge corpus (in short, i2b2 temporal corpus) (29, 30): It contains 310 de-identified discharge summaries of more than 178,000 tokens, with annotations of clinically significant events, temporal expressions and temporal relations in clinical narratives. On average, each discharge summary in the corpus contains 86.6 events, 12.4 temporal expressions, and 176 raw temporal relations. In this corpus, 8 kinds of temporal relations between events and temporal expressions are defined: BEFORE, AFTER, SIMULTANEOUS, OVERLAP, BEGUN_BY, ENDED_BY, DURING, BEFORE_OVERLAP. The entire annotations are available athttp://i2b2.org/NLP/DataSets.

鏈接:https://github.com/chentao1999/MedicalRelationExtraction

責(zé)任編輯:lq
聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 醫(yī)療
    +關(guān)注

    關(guān)注

    8

    文章

    1902

    瀏覽量

    59837
  • 數(shù)據(jù)集
    +關(guān)注

    關(guān)注

    4

    文章

    1223

    瀏覽量

    25399
  • nlp
    nlp
    +關(guān)注

    關(guān)注

    1

    文章

    490

    瀏覽量

    22588

原文標(biāo)題:醫(yī)療NLP相關(guān)數(shù)據(jù)集整理

文章出處:【微信號(hào):zenRRan,微信公眾號(hào):深度學(xué)習(xí)自然語言處理】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    使用AICube導(dǎo)入數(shù)據(jù)點(diǎn)創(chuàng)建后提示數(shù)據(jù)不合法怎么處理?

    重現(xiàn)步驟 data目錄下 labels.txt只有英文 **錯(cuò)誤日志** 但是使用示例的數(shù)據(jù)可以完成訓(xùn)練并部署
    發(fā)表于 06-24 06:07

    數(shù)據(jù)下載失敗的原因?

    數(shù)據(jù)下載失敗什么原因太大了嗎,小的可以下載,想把大的下載去本地訓(xùn)練報(bào)錯(cuò)網(wǎng)絡(luò)錯(cuò)誤 大的數(shù)據(jù)多大?數(shù)據(jù)量有多少?
    發(fā)表于 06-18 07:04

    請(qǐng)問NanoEdge AI數(shù)據(jù)該如何構(gòu)建?

    我想用NanoEdge來識(shí)別異常的聲音,但我目前沒有辦法生成模型,我感覺可能是數(shù)據(jù)的問題,請(qǐng)問我該怎么構(gòu)建數(shù)據(jù)?或者生成模型失敗還會(huì)有哪些原因?
    發(fā)表于 03-10 08:20

    JCMsuite應(yīng)用:四分之一波

    是光手性的本征態(tài)。因此,近場光手性密度與圓偏振密切相關(guān)。在幾何光學(xué)中,四分之一波板將線偏振轉(zhuǎn)換為圓偏振是眾所周知的。它們是由雙折射材料制成的,例如各向異性材料。片的厚度是尋常(x-)偏振和非尋常(z-
    發(fā)表于 02-21 08:49

    電話配線架怎么整理好看

    要使電話配線架整理得既美觀又實(shí)用,可以遵循以下步驟和建議: 、前期準(zhǔn)備 了解配線架結(jié)構(gòu): 熟悉電話配線架的類型、結(jié)構(gòu)和功能,確保整理過程中不會(huì)對(duì)設(shè)備造成損害。 斷開電源與通信: 在整理
    的頭像 發(fā)表于 02-19 11:34 ?477次閱讀

    關(guān)于太赫茲的介紹

    在上面的圖表中,光波和無線電波是相同的電磁,被應(yīng)用于社會(huì)的各個(gè)領(lǐng)域。 另方面,太赫茲還沒有被應(yīng)用。然而,太赫茲具有以下有吸引力的特性和各領(lǐng)域的預(yù)期是很有用的。 太赫茲
    的頭像 發(fā)表于 09-29 06:18 ?753次閱讀
    <b class='flag-5'>關(guān)于</b>太赫茲<b class='flag-5'>波</b>的介紹

    「知識(shí)講堂」外骨骼康復(fù)機(jī)器人醫(yī)療器械分類、標(biāo)準(zhǔn)、注冊(cè)指導(dǎo)原則

    作為智慧康養(yǎng)創(chuàng)新引領(lǐng)者,邁步機(jī)器人深耕康復(fù)醫(yī)療器械領(lǐng)域多年,近期陸續(xù)有粉絲私信或留言,說自己剛涉足醫(yī)療器械不久,對(duì)外骨骼康復(fù)機(jī)器人比較感興趣,希望有更深度的了解。對(duì)此,小邁通宵達(dá)旦收集、整理了
    的頭像 發(fā)表于 08-07 14:10 ?954次閱讀
    「知識(shí)講堂」外骨骼康復(fù)機(jī)器人<b class='flag-5'>醫(yī)療</b>器械分類、標(biāo)準(zhǔn)、注冊(cè)指導(dǎo)原則

    調(diào)試ESP8266成LWIP協(xié)議棧用UDP方式發(fā)送數(shù)據(jù)時(shí),無法正常發(fā)送數(shù)據(jù)是哪里的問題?

    我在調(diào)試8266成LWIP協(xié)議棧用UDP方式發(fā)送數(shù)據(jù)時(shí),參考別的環(huán)境的UDP例程,發(fā)現(xiàn)無法正常發(fā)送數(shù)據(jù),反復(fù)檢查了,并確認(rèn)8266已經(jīng)通過WIFI連上網(wǎng)了,但是使用LWIP協(xié)議棧的UDP相關(guān)函數(shù)發(fā)送
    發(fā)表于 07-12 07:44

    益登任命于俊潔為首席執(zhí)行官 啟動(dòng)新一波創(chuàng)新成長

    首席執(zhí)行官兼總經(jīng)理,并擔(dān)任董事職務(wù)。他將帶領(lǐng)業(yè)務(wù)團(tuán)隊(duì)深入開發(fā)多元應(yīng)用,啟動(dòng)新一波創(chuàng)新成長。原首席執(zhí)行官侯靖圻先生因生涯規(guī)劃請(qǐng)辭,董事會(huì)對(duì)侯先生在任職期間的貢獻(xiàn)表達(dá)感謝。 ? 新任首席執(zhí)行官于俊潔先生具備近30年電子科技產(chǎn)業(yè)和管理經(jīng)驗(yàn),他于2009年加入益登科技,擔(dān)任過產(chǎn)品協(xié)理
    發(fā)表于 07-09 17:18 ?378次閱讀

    nlp邏輯層次模型的特點(diǎn)

    NLP(自然語言處理)邏輯層次模型是種用于理解和生成自然語言文本的計(jì)算模型。它將自然語言文本分解為不同的層次,以便于計(jì)算機(jī)更好地處理和理解。以下是對(duì)NLP邏輯層次模型特點(diǎn)的分析: 詞匯層次 詞匯
    的頭像 發(fā)表于 07-09 10:39 ?842次閱讀

    nlp神經(jīng)語言和NLP自然語言的區(qū)別和聯(lián)系

    神經(jīng)語言(Neuro-Linguistic Programming,NLP) 神經(jīng)語言是種心理學(xué)方法,它研究人類思維、語言和行為之間的關(guān)系。NLP的核心理念是,我們可以通過改變我們的思維方式和語言
    的頭像 發(fā)表于 07-09 10:35 ?1168次閱讀

    nlp自然語言處理基本概念及關(guān)鍵技術(shù)

    自然語言處理(Natural Language Processing,簡稱NLP)是人工智能領(lǐng)域的個(gè)重要分支,它致力于使計(jì)算機(jī)能夠理解、解釋和生成人類語言。NLP技術(shù)在機(jī)器翻譯、情感分析、語音識(shí)別
    的頭像 發(fā)表于 07-09 10:32 ?1332次閱讀

    nlp自然語言處理框架有哪些

    自然語言處理(Natural Language Processing,簡稱NLP)是計(jì)算機(jī)科學(xué)和人工智能領(lǐng)域的個(gè)重要分支,它致力于使計(jì)算機(jī)能夠理解和處理人類語言。隨著技術(shù)的發(fā)展,NLP領(lǐng)域出現(xiàn)了
    的頭像 發(fā)表于 07-09 10:28 ?1028次閱讀

    nlp自然語言處理的主要任務(wù)及技術(shù)方法

    自然語言處理(Natural Language Processing,簡稱NLP)是人工智能和語言學(xué)領(lǐng)域的個(gè)分支,它研究如何讓計(jì)算機(jī)能夠理解、生成和處理人類語言。NLP技術(shù)在許多領(lǐng)域都有廣泛
    的頭像 發(fā)表于 07-09 10:26 ?2160次閱讀