数据集导航 · 医学文本与大模型
医学文本与大模型数据集
思陌医疗数据服务整理的医学文本与大模型公开数据集，共 298 个，覆盖该领域多模态数据，助力医疗AI研发选型。
全部
肿瘤 579
神经系统疾病 507
心血管系统疾病 462
耳鼻咽喉疾病 451
眼病 412
皮肤与结缔组织疾病 399
泌尿生殖系统疾病 362
内分泌系统疾病 352
医学文本与大模型 285
呼吸道疾病 245
口颌系统疾病 219
消化系统疾病 200
免疫系统疾病 137
通用医学数据集 136
血液与淋巴系统疾病 106
感染 96
创伤与损伤 66
肌肉骨骼疾病 14
化学诱发性障碍 4
环境因素所致疾病 3
共 285 个数据集
| 数据集名称 | 系统分类 | 病种 | 数据模态 | 任务类型 | 描述 | 来源 | 原始地址 | 操作 |
|---|---|---|---|---|---|---|---|---|
| 西班牙语医学大语言模型数据集 | 医学文本与大模型 | 其他 | 文本 | 文本 | 整合多个西班牙语医学数据集，用于训练西班牙语医学大语言模型。 | somosnlp | https://huggingface.co/datasets/somosnlp/spanish_medica_llm | 访问 |
| 多语言医学语料库 | 医学文本与大模型 | 其他 | 文本 | 语料库 | 包含30亿词的多语言医学语料库，用于训练医学领域大语言模型，支持语言建模与序列标注任务。 | HiTZ | https://huggingface.co/datasets/HiTZ/Multilingual-Medical-Corpus | 访问 |
| Mistral Medical Meadow WikiDoc 指令数据集 | 医学文本与大模型 | 其他 | 文本 | 问答 | 医疗问答数据集，源自WikiDoc，用于Mistral大语言模型的指令微调，包含医学问答对。 | Shekswess | https://huggingface.co/datasets/Shekswess/mistral_medical_meadow_wikidoc_instruct_dataset | 访问 |
| 医疗Gemma指令数据集 | 医学文本与大模型 | 其他 | 文本 | 问答 | 用于Gemma模型指令微调的医疗问答数据集，整合了Medical Meadow和Medquad等来源的问答对，覆盖广泛医学主题。 | Shekswess | https://huggingface.co/datasets/Shekswess/medical_gemma_instruct_dataset | 访问 |
| Vinmec疾病信息 | 医学文本与大模型 | 其他 | 文本 | 文本 | 包含疾病名称、描述、原因、症状、预防等信息的文本数据集，共673个样本。 | Oztobuzz | https://huggingface.co/datasets/Oztobuzz/Vinmec_diseases_information | 访问 |
| Shekswess/medical_gemma_instruct_dataset_short | 医学文本与大模型 | 其他 | 文本 | 指令微调 | 由Medical Meadow Wikidoc和MedQuad组合筛选出的2000条医疗问答数据集，用于指令微调Gemma模型。 | Shekswess | https://huggingface.co/datasets/Shekswess/medical_gemma_instruct_dataset_short | 访问 |
| 医疗Mistral指令微调数据集(短版) | 医学文本与大模型 | 其他 | 文本 | 医学问答 | 包含2000条医疗问答对的指令微调数据集，源自Medical Meadow Wikidoc和Medquad，用于训练医疗大语言模型。 | Shekswess | https://huggingface.co/datasets/Shekswess/medical_mistral_instruct_dataset_short | 访问 |
| 医疗Llama2指令数据集（短版） | 医学文本与大模型 | 其他 | 文本 | 文本 | 包含2000条医疗问答对，用于指令微调Llama 2模型，覆盖广泛医疗主题。 | Shekswess | https://huggingface.co/datasets/Shekswess/medical_llama2_instruct_dataset_short | 访问 |
| openchat/cogstack-opengpt-sharegpt | 医学文本与大模型 | 其他 | 文本 | 对话 | CogStack OpenGPT医疗对话数据集，采用ShareGPT格式，用于医疗对话模型训练。 | openchat | https://huggingface.co/datasets/openchat/cogstack-opengpt-sharegpt | 访问 |
| medical-1000-64-16-jinaai_jina-embeddings-v2-small-en-10-gpt-4-turbo-0_9062874564 | 医学文本与大模型 | 其他 | 文本 | 检索 | 医疗领域生成数据集，用于训练医疗文本嵌入模型，支持检索任务。 | florianhoenicke | https://huggingface.co/datasets/florianhoenicke/medical-1000-64-16-jinaai_jina-embeddings-v2-small-en-10-gpt-4-turbo-0_9062874564 | 访问 |
| 医疗Llama3指令数据集(短版) | 医学文本与大模型 | 其他 | 文本 | 问答 | 包含2000条医疗问答对，用于指令微调，来源于WikiDoc和Medquad，涵盖多种医疗知识。 | Shekswess | https://huggingface.co/datasets/Shekswess/medical_llama3_instruct_dataset_short | 访问 |
| Teladoc应用商店评论情感分析数据集 | 医学文本与大模型 | 其他 | 文本 | 情感分析 | Teladoc远程医疗应用商店评论的方面级情感分析数据集，含标题、内容、情感标签等字段。 | Alpaca69B | https://huggingface.co/datasets/Alpaca69B/reviews_appstore_teladoc_absa | 访问 |
| Teladoc应用商店评论ABSA数据集 | 医学文本与大模型 | 其他 | 文本 | 情感分析 | Teladoc远程医疗应用评论的方面级情感分析数据集，包含496条文本样本，用于分析用户对服务的情绪和方面。 | Alpaca69B | https://huggingface.co/datasets/Alpaca69B/reviews_appstore_teladoc_absa1 | 访问 |
| 医疗指令微调数据集 | 医学文本与大模型 | 其他 | 文本 | 指令微调 | 中文医疗指令微调数据集，用于文本生成任务，包含指令-响应对。 | bohu | https://huggingface.co/datasets/bohu/medical | 访问 |
| SemEval2018-Task9 预测结果2A.医学 | 医学文本与大模型 | 其他 | 文本 | 文本 | SemEval-2018医学上位词发现任务的预测结果集，含输入文本、真实标签和预测结果。 | feliphe-galiza | https://huggingface.co/datasets/feliphe-galiza/SemEval2018-Task9-preds-2A.medical | 访问 |
| SNOMED周末重测试数据集 | 医学文本与大模型 | 其他 | 文本 | 文本分类 | SNOMED CT临床术语文本分类数据集，包含1345个训练和测试样本。 | Tippawan | https://huggingface.co/datasets/Tippawan/SNOMED-weekend-retest-v1 | 访问 |
| MSD手册主题用户基础数据集 | 医学文本与大模型 | 其他 | 文本 | 文本分类 | 基于MSD手册的多语言健康文本数据集，涵盖症状、疾病等主题，支持文本分类、问答等任务。 | nuvocare | https://huggingface.co/datasets/nuvocare/MSD_manual_topics_user_base | 访问 |
| 医疗问答数据集QAER | 医学文本与大模型 | 其他 | 文本 | 问答 | QAER是英文医疗问答数据集，包含医疗问题与答案对，用于问答系统。 | Reymaaref | https://huggingface.co/datasets/Reymaaref/QAER | 访问 |
| 症状到疾病数据集 | 医学文本与大模型 | 其他 | 文本 | 症状 | 症状到疾病对话数据集，用于疾病诊断预测。 | Mostafijur | https://huggingface.co/datasets/Mostafijur/symptom_to_disease | 访问 |
| 麻醉素养数据集 | 医学文本与大模型 | 其他 | 文本 | 可读性 | 包含术前患者指导文本及其经LLM调整至6年级阅读水平的版本，用于可读性分析和验证。 | stanfordaimlab | https://huggingface.co/datasets/stanfordaimlab/anesthesia_literacy | 访问 |
| Apr29 | 医学文本与大模型 | 其他 | 文本 | 文本 | 包含健康信息学领域示例对话的农业数据集，展示医疗角色间的文本交流。 | leducanh1203 | https://huggingface.co/datasets/leducanh1203/Apr29 | 访问 |
| 患者-医生文本分类器英文数据集 | 医学文本与大模型 | 其他 | 文本 | 文本分类 | 英文对话文本中患者、医生、中性角色分类数据集，包含约4.1万样本，支持文本分类任务。 | LukeGPT88 | https://huggingface.co/datasets/LukeGPT88/patient-doctor-text-classifier-eng-dataset | 访问 |
| 医疗文档2 | 医学文本与大模型 | 其他 | 文本 | 文本 | 包含医疗预约、处方和账单等文档的医疗文本数据集，覆盖从业者和保险视角。 | Rohit228 | https://huggingface.co/datasets/Rohit228/medical_documents_2 | 访问 |
| 医疗文档数据集 | 医学文本与大模型 | 其他 | 文本 | 文本 | 医疗文档数据集，包含医疗预约、处方和账单等示例。 | Rohit228 | https://huggingface.co/datasets/Rohit228/Medical_Documents | 访问 |
| AI医学通用数据集 | 医学文本与大模型 | 其他 | 文本 | 文本 | 约2700万行医疗问答对数据集，支持医疗领域大型语言模型的训练，数据来源于ClinicalTrials、EMEA和PubMed。 | ruslanmv | https://huggingface.co/datasets/ruslanmv/ai-medical-dataset | 访问 |
| 医疗LLaMA3指令数据集（短版） | 医学文本与大模型 | 其他 | 文本 | 文本 | 包含2000条医疗指令数据的文本数据集，用于微调LLaMA3模型。 | jewpaltz | https://huggingface.co/datasets/jewpaltz/medical_llama3_instruct_dataset_short | 访问 |
| Processed_Medicalbot_Dataset | 医学文本与大模型 | 其他 | 文本 | 文本生成 | 医疗文本生成数据集，用于训练医疗对话机器人。 | oudaher | https://huggingface.co/datasets/oudaher/Processed_Medicalbot_Dataset | 访问 |
| 医疗问诊数据SFT | 医学文本与大模型 | 其他 | 文本 | 文本 | 整合ChatDoctor、中文多科室问诊与Huatuo26M-Lite的医疗问诊对话文本数据集，用于SFT训练。 | BRZ911 | https://huggingface.co/datasets/BRZ911/Medical_consultation_data_SFT | 访问 |
| phr治疗数据集 | 医学文本与大模型 | 其他 | 文本 | 文本 | 包含4062个训练样本，用于医疗治疗相关NLP任务，数据模态为文本。 | prathameshbagal | https://huggingface.co/datasets/prathameshbagal/phr_therapy_dataset | 访问 |
| medical_re_one | 医学文本与大模型 | 其他 | 文本 | 关系抽取 | 包含2000个医学文本样本的关系抽取数据集。 | zoohun | https://huggingface.co/datasets/zoohun/medical_re_one | 访问 |