Датасет · ncbi
Аннотации упоминаний болезней в статьях PubMed
ncbi/ncbi_disease
Классический биомедицинский корпус из 793 аннотаций PubMed с разметкой названий заболеваний и их концептов.
Что внутри
Датасет содержит 793 англоязычные аннотации научных статей из базы PubMed (общий объём набора от 1 до 10 тысяч записей). Каждый текст вручную размечен парой аннотаторов с согласованием расхождений: выделены все упоминания болезней и сопоставлены с концептами из справочников MeSH и OMIM.
Что можно сделать
- Обучение и оценка моделей извлечения именованных сущностей (NER / token-classification) в биомедицинских текстах
- Настройка систем нормализации медицинских терминов и привязки их к базам знаний MeSH и OMIM
- Задачи
- Разметка токенов
- Языки
- Английский
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 3,5 тыс.
- Лайков
- 57
Модели, обученные на нём
- OpenMed/GLiNER2.5-BioNER-Disease-Base-v1Разметка токенов 160
- Ishan0612/biobert-ner-disease-ncbiРазметка токенов 78
- TechnoBaptist/GLiNER2.5-BioNER-Disease-Base-v1Разметка токенов 46
- Amit234/distilbert-finetuned-ner 6
- apriadiazriel/bert_base_ncbiРазметка токенов 6
- OpenMed/GLiFormer-BioNER-Disease-Base-v1Разметка токенов 6
- OpenMed/GLiFormer-BioNER-Disease-Large-v1Разметка токенов 2
- ahricat/ONIgraph ml 0
Как загрузить
from datasets import load_dataset
ds = load_dataset("ncbi/ncbi_disease")