К содержимому

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

Как загрузить

from datasets import load_dataset

ds = load_dataset("ncbi/ncbi_disease")