Mengqi97/chinese-medical-dataset

解決的問題

本倉儲提供一個全面的開源中文醫療資料集集合與整理。它解決了醫療資料分散的問題，透過整合各類NLP任務（如醫療問答、實體識別、術語標準化、知識圖譜建構）的資源，使研究人員更容易找到高品質的資料用於訓練醫療AI。

如何運作

此專案作為一個經過篩選的目錄，按主要任務對各種醫療資料集進行分類。它為每個資料集提供詳細摘要，包括：

• 任務類型：如分類、醫療問答、實體識別或關係抽取。
• 資料量：訓練、驗證和測試樣本的數量。
• 下載連結：直接連結至Hugging Face、GitHub或雲端硬碟等來源。
• 資料範例：以JSON或表格形式展示實際的問題、答案和標籤結構的片段。

適用對象

• AI研究人員：正在開發大型語言模型（LLM）或醫療領域專用模型的人。
• 機器學習工程師：正在建構醫療聊天機器人、智慧診斷系統或醫療資訊抽取工具的人。
• 資料科學家：需要結構化中文醫療文字用於訓練或評估醫療AI模型的專業人士。

亮點

• 多樣化的任務覆蓋：包含醫療問答（如Huatuo-26M）、實體識別（如Yidu-S4K）和術語標準化（如Yidu-N7K）的資料集。
• 超大規模：包含超過2600萬筆高品質醫療問答對的Huatuo-26M資料集。
• 基準整合：包含用於評估中文醫療資訊處理的CBLUE基準。
• 專業領域覆蓋：涵蓋中醫、糖尿病研究、自閉症譜系障礙（AsdKB）等特定領域。