数据集导航 · 医学文本与大模型

医学文本与大模型数据集（第 3 页）

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。

共 285 个数据集 · 第 3 / 10 页
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
Med_Instruction_eng医学文本与大模型其他文本指令微调整合多个医学指令来源的文本数据集，用于医学大语言模型微调。ChenWeiLihttps://huggingface.co/datasets/ChenWeiLi/Med_Instruction_eng访问
病人-医生文本分类器英语数据集医学文本与大模型其他文本文本分类医患对话英文文本分类数据集，约5.3万条标注样本，用于文本分类任务。LukeGPT88https://huggingface.co/datasets/LukeGPT88/patient-doctor-text-classifier-eng-dataset-0528访问
MedQuad医疗问答数据集（llama-3格式）医学文本与大模型其他文本文本包含16407条医疗问答对的数据集，用于医学知识问答任务，数据模态为文本。Mohamed-Ahmed161https://huggingface.co/datasets/Mohamed-Ahmed161/MedQuad-MedicalQnADataset-llama-3访问
ICD-10-CM代码与嵌入向量数据集医学文本与大模型其他文本文本包含ICD-10-CM诊断代码及其嵌入向量的数据集，用于疾病编码和文本相似度分析。abhiwebsharhttps://huggingface.co/datasets/abhiwebshar/icd10cm-codes-with-embeddings访问
年龄医学问答数据集医学文本与大模型其他文本文本包含不同年龄组医学问答对的文本数据集，用于评估模型在年龄维度上的医学问答能力。AIM-Harvardhttps://huggingface.co/datasets/AIM-Harvard/age-medqa访问
darooyab_qa医学文本与大模型其他文本问答波斯语医疗问答数据集，包含1万至10万问答对。amirmmahdavikiahttps://huggingface.co/datasets/amirmmahdavikia/darooyab_qa访问
prubas_tesis医学文本与大模型其他文本文本生成西班牙语医学文本数据集，用于文本生成和特征提取任务。anfemorahttps://huggingface.co/datasets/anfemora/prubas_tesis访问
AI医疗LLaMA2对话数据集25k医学文本与大模型其他文本文本包含25,000条医疗对话的文本数据集，用于训练医疗AI对话模型。condeachttps://huggingface.co/datasets/condeac/ai-medical-llama2-25k访问
AI医疗Llama2 11k数据集医学文本与大模型其他文本文本包含11,000条医疗对话文本的数据集，用于训练医疗领域语言模型。condeachttps://huggingface.co/datasets/condeac/ai-medical-llama2-11k访问
AI医学对话Llama2-5k医学文本与大模型其他文本文本包含5000条医学对话样本，用于训练医疗对话模型。condeachttps://huggingface.co/datasets/condeac/ai-medical-llama2-5k访问
德语医疗识别数据集v0.1医学文本与大模型其他文本文本德语医疗识别数据集，含1176条指令-输出对，用于医疗领域文本识别任务。thewimohttps://huggingface.co/datasets/thewimo/german-medical-identification-dataset-v0.1访问
ai-medical-llama2-1k医学文本与大模型其他文本文本1000条医疗对话数据，用于微调医疗大语言模型。condeachttps://huggingface.co/datasets/condeac/ai-medical-llama2-1k访问
akemiH_MedQA_Reason医学文本与大模型其他文本文本基于MedQA-Reason的医学问答数据集，包含问题、答案、推理和摘要，共10161条文本样本。JosefAlbershttps://huggingface.co/datasets/JosefAlbers/akemiH_MedQA_Reason访问
Meducol聊天机器人数据集V01医学文本与大模型其他文本聊天机器人包含6342条训练和334条测试样本的医疗对话文本数据集，用于训练聊天机器人。meducadeushttps://huggingface.co/datasets/meducadeus/Meducol-Chatbot-Datasets-V01访问
parvpareek/pitt医学文本与大模型其他文本分类包含患者转录文本及类别标签的文本分类数据集。parvpareekhttps://huggingface.co/datasets/parvpareek/pitt访问
合成文档问答医疗保健行业测试集医学文本与大模型其他多模态文档问答医疗保健行业合成文档问答测试集，含1000个图像-文本样本，用于文档问答评估。coldochttps://huggingface.co/datasets/vidore/syntheticDocQA_healthcare_industry_test访问
医疗对话-llama3-中文医学文本与大模型其他文本文本中文医疗对话数据集，用于训练LLaMA3等语言模型，提升医疗领域对话能力。ZH112https://huggingface.co/datasets/ZH112/medical-dialog-llama3-zh访问
EMPEC（中文医疗人员考试）医学文本与大模型其他文本文本包含81761道中文医疗人员考试单选题，覆盖多种医疗专业和学科，用于评估AI模型的中文医疗知识。KenLuohttps://huggingface.co/datasets/KenLuo/EMPEC访问
MultiSpanQA医学文本与大模型其他文本问答MultiSpanQA是一个用于医疗领域多跨度问答的数据集，包含上下文、问题和证据，支持基于证据的答案提取。riiwanghttps://huggingface.co/datasets/riiwang/MultiSpanQA访问
德语医疗匿名化数据集医学文本与大模型其他文本文本德语医疗文本匿名化数据集，78个样本，标注人名、日期、地点、年龄等敏感信息，用于脱敏。thewimohttps://huggingface.co/datasets/thewimo/german-medical-anonymization-dataset-v0.1访问
越南语医疗笔记数据集医学文本与大模型其他文本对话越南语医疗对话笔记数据集，包含18058条对话样本，用于医疗文本分析。hungsvdut2k2https://huggingface.co/datasets/hungsvdut2k2/vietnamese-medical-notes访问
越南语医疗聊天数据集医学文本与大模型其他文本对话越南语医疗对话数据集，包含111701条医患对话样本。hungsvdut2k2https://huggingface.co/datasets/hungsvdut2k2/vietnamese-chat-doctor访问
医疗信息提取数据集医学文本与大模型其他文本文本从患者咨询文本中提取症状、诊断、治疗建议等关键医疗信息，用于优化问诊流程和AI辅助诊疗。pandallahttps://huggingface.co/datasets/pandalla/datatager_extract_med_information访问
临床问题增强数据集医学文本与大模型其他文本文本用于改善医患沟通的临床问题增强数据集，包含患者咨询及追问问题，促使患者补充病情细节。pandallahttps://huggingface.co/datasets/pandalla/datatager_clinical_question_enhancement访问
症状识别与医疗建议数据集医学文本与大模型其他文本医疗建议基于真实医患交互文本，用于训练AI识别症状并给出医疗建议的数据集。PandaVThttps://huggingface.co/datasets/PandaVT/datatager_symptom_recognition_and_advice访问
vietnamese-medical-chat-data医学文本与大模型其他文本文本越南语医疗对话数据集，包含4.6万条医患对话，用于医疗问答任务。hungsvdut2k2https://huggingface.co/datasets/hungsvdut2k2/vietnamese-medical-chat-data访问
DACCORD矛盾检测数据集医学文本与大模型其他文本矛盾检测1034个法语句子对的矛盾检测数据集，涵盖俄乌冲突、COVID-19和气候危机主题。maximosshttps://huggingface.co/datasets/maximoss/daccord-contradictions访问
share-gpt-medical医疗对话数据集医学文本与大模型其他文本对话约11.2万条医疗GPT对话文本，用于构建医疗对话系统。srikar-v05https://huggingface.co/datasets/srikar-v05/share-gpt-medical访问
医疗保健行业合成文档问答测试集医学文本与大模型其他多模态多模态面向医疗保健行业的合成文档问答测试集，包含2174个多模态样本（图像+文本）。coldochttps://huggingface.co/datasets/coldoc/baseline_cap_syntheticDocQA_healthcare_industry_test访问
医疗问答-3k医学文本与大模型其他文本文本包含3000条医疗问答对的数据集，可用于训练医疗问答模型。sunilghanchihttps://huggingface.co/datasets/sunilghanchi/medical-qna-3k访问