【NLP公开数据集】NCBI疾病数据集

最新推荐文章于 2025-04-14 16:36:14 发布
最新推荐文章于 2025-04-14 16:36:14 发布
阅读量2.8k 收藏 6
点赞数 1
分类专栏： NLP
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Elvira521yan/article/details/115279135
版权

NCBI疾病数据集是一个在提及和概念层面进行全面标注的数据集。

数据包含：

  • 793篇摘要
  • 2783个句子
  • 6892个疾病mention
  • 790个唯一疾病概念
    – 医学主题词【Medical Subject Headings (MeSH®)】
    – 人类孟德尔遗传学【Online Mendelian Inheritance in Man (OMIM®)】
  • mention表中的91%都由一个疾病概念一一对应，分成训练集、验证集和测试集

数据标注：

  • 14个标注人员
  • 每个文档都有2个标注人员（随机分配）
  • 3个标注阶段
  • 检查所有语料的一致性

数据分布情况如下：

Classes Train set Test set Dev set
Modifiers 1292 264 218
Specific Disease 2959 556 409
Composite Mentions 116
最低0.47元/天 解锁文章
开源数据集
红酒暖心不暖胃
01-04 823
遇到哪个加哪个 NLP STS STS中的训练、测试、验证集的数量，语义文本相似性基准数据集，常用于无监督模型训练的测试集，使用Spearman correlation作为评价指标。 STS-B http://ixa2.si.ehu.eus/stswiki/index.php/STSbenchmark main-captions MSRvid 2012test 0000 5.000 A man with a hard hat is dancing. A man wearin
获取开源医学文献图片（PubMed）制成数据集
qq_36045062的博客
01-10 1076
获取开源医学文献图片（PubMed）制成数据集 以github源代码为基础 获取关键词（及相关联的近/同义词） 通过关键词搜索文献（key words/abstract/body） 获取文章编号（PMID & PMCID），导出为.csv文件 读取csv文件，通过url获取网络资源生成相应文献的.xml文件（bioC是共享文献数据和标注的一种格式) (如果没有安装bioc模块) $ pip install bioc (如果报错：Cannot uninstall ‘docutils’. …) $ p
数据 疾病数据
03-11
java连接mysql所需要的包，直接导入既可以用java连接mysql所需要的包，直接导入既可以用
NCBI Datasets 下载序列的利器
weixin_60157921的博客
12-18 1510
您可以使用它来查找和下载基因和基因组的序列、注释和元数据，使用我们的命令行界面(CLI)工具或NCBI Datasets web界面。这个示例中获取了gene-id为672的基因序列ncbi_dataset/data/gene.fna和蛋白质序列ncbi_dataset/data/protein.faa。这里的命令挂在了后台，如果中断可以再次提交，会从中断的地方再下载的。通过上述的下载，小花相信你已经下载了好了datasets，下面来看看datasets怎么用叭～运行以下命令下载所有人类基因的基因数据包。
yolov8宠物分类与检测系统(数据集+模型代码+界面)
最新发布
qq1309399183的博客
04-14 1105
yolov8宠物分类与检测系统(数据集+模型代码+界面)
生信项目之NCBI下载数据集详解
weixin_44540733的博客
03-10 9066
NCBI（National Center for Biotechnology Information）的中文名称是美国生物信息技术中心，该网站是美国医学图书馆（NLM）的一部分。该网站提供了下载数据集、上传数据集、在线分析数据集以及提供了部分生物信息学工具如（BLAST：一款序列比对工具）等功能。本文主要介绍如何在NCBI上下载数据集。这三种方法是目前比较常用的下载数据集的方法，当然还用其他很多下载数据集的方法，具体的下载数据集的方法要按照该生信项目的需求进行下载。
利用NCBIdatasets批量下载大规模生信数据集
Maiya19724的博客
04-12 5177
NCBIdatasets： Datasets - NCBIhttps://www.ncbi.nlm.nih.gov/datasets/ 安装 windows下载链接： https://ftp.ncbi.nlm.nih.gov/pub/datasets/command-line/LATEST/win64/datasets.exe exe路径写入环境变量后cmd输入datasets出现提示即为安装成功 conda安装： conda create -n ncbi_datasets conda a
疾病数据大全查询系统 疾病数据库
04-27
软件名称：疾病大全查询系统 软件简介：疾病大全查询系统可以查询各种疾病的知识、症状和临床表现,以及各种疾病的预防方法和注意事项等。 软件性质：完全免费,并长期提供免费数据库升级。
数据集的重要性及应用探究
03-18
- **自然语言处理**：WMT、Common Voice和GLUE数据集，服务于机器翻译、语音识别和自然语言理解任务。 - **计算机视觉**：ImageNet、COCO和Cityscapes数据集，支持图像分类、物体检测和场景理解。 随着技术进步，...
ICLR 2024 | Mol-Instructions: 面向大模型的大规模生物分子指令数据集
二十四桥明月夜的博客
02-03 1054
大型语言模型（Large Language Model, LLM）在生物学、计算化学、药物研发等跨学科领域证明了其广泛的应用潜力。Mol-Instructions数据集共计含2043K条指令数据，覆盖了小分子、蛋白质以及生物分子文本三大领域的17个关键任务，包含了不同复杂度和结构的生物分子及丰富的文本描述。
疾病数据库2019.xlsx
08-19
7千+条疾病数据，包含别名、简介、发病部位、就诊科室、相关症状等信息
103-2012-疾病管理基本数据集.rar
06-26
区域全民健康信息平台建设数据结构设计参考，行业统一标准
苹果疾病的数据集
11-16
自己制作的苹果数据集，然后使用深度学习识别这些苹果疾病。
智能脊柱疾病诊断MR数据集(带医生症状描述和预诊内容的数据库).zip
06-02
附件内容为来自国外研究机构的脊柱核磁共振临床图片数据集，并带有医生诊断介绍和预诊内容，非常珍贵，可用于深度学习模型训练，进行智能诊断。
疾病症状预测数据-数据集
10-31
此数据集是为了帮助创建疾病预测或医疗保健系统，是为学生提供创建医疗保健相关系统的资源的数据集。 数据介绍 此数据集是为学生提供创建医疗保健相关系统的资源的数据集。 内容 有包含疾病，其症状，要采取的预防措施及其重量的色谱柱。 通过使用任何语言的文件处理，可以轻松清除此数据集。用户只需要了解行和列的排列方式。 Disease 疾病 Fungal infection 真菌感染 Allergy 过敏 Chronic cholestasis 慢性胆汁淤积 Drug Reaction 药物反应 Peptic ulcer diseae 消化性溃疡 AIDS 艾滋病 Diabetes 糖尿病 Gastroenteritis 肠胃炎 Bronchial Asthma 支气管哮喘 Hypertension 高血压 Migraine 偏头疼 Cervical spondylosis 颈椎病 Paralysis (brain hemorrhage) 瘫痪（脑出血）
中文医学NLP公开资源整理：术语集/语料库/词向量/预训练模型/知识图谱/命名实体识别/QA/信息抽取/模型/论文/etc-python
06-18
中文医学NLP公开资源整理：术语集/语料库/词向量/预训练模型/知识图谱/命名实体识别/QA/信息抽取/模型/论文/etc
Disease Ontology:人类疾病分类数据库
庐州月光的博客
07-07 3101
欢迎关注”生信修炼手册”!Gene Ontology, 简称GO, 是最常用的基因功能注释数据库之一。Disease Ontolog与GO数据库类似，通过参照MeSH, ICD等疾病分类...
90+个各种疾病相关医疗数据集
热门推荐
02-10 2万+
含新冠、传染病、医学图像等
医学数据集集合
weixin_44549562的博客
05-30 6205
1.ACDC dataset 是一个心脏3D MRI影像数据集，有100张，2017年ACDC挑战赛（Automated Cardiac Diagnosis Challenge）小约，大小1GB 下载地址：https://aistudio.baidu.com/aistudio/datasetdetail/56020 2.prostate datasets是MICCAI2018一个挑战赛的数据集，大小1.3GB，是一个前列腺癌分割的数据集，包含3D MRI影像 。 下载地址：https://www.kaggl
医疗命名实体识别数据集
01-15
### 医疗命名实体识别数据集 对于医疗命名实体识别任务，多个公开可用的数据集可以用于训练和测试模型。这些数据集中包含了标注好的医学术语，如疾病名称、症状描述、药物名等。 #### 1. i2b2 数据集 i2b2（Informatics for Integrating Biology and the Bedside）挑战赛提供了丰富的临床文本资源，其中包含经过专家标注的病历记录。该数据集特别适合研究者用来开发和评估医疗自然语言处理技术[^1]。 #### 2. MIMIC-III Clinical Data MIMIC-III 是一个大型重症监护数据库，内含详细的患者信息以及相应的结构化标签。虽然原始文件并非全部开放获取，但部分脱敏后的子集可用于科研目的，并且有配套的NER标记版本存在。 #### 3. NCBI Disease Corpus NCBI 疾病语料库由美国国立生物技术信息中心创建并维护，专门针对文献中的疾病提及进行了精细的人工注解工作。此数据集不仅有助于理解疾病的表述方式，还能促进跨领域知识发现的研究进展。 ```python import pandas as pd # 假设已经下载了一个CSV格式的小样本作为示例 df = pd.read_csv('ncbi_disease_corpus_sample.csv') print(df.head()) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值