PICO乳腺癌
该数据集是一个医学文本数据集，包含1011篇来自PubMed的乳腺癌随机对照试验摘要，文本模态涵盖了26个命名实体的标注，如患者、干预、药物、剂量等，主要用于自然语言处理领域的命名实体识别研究，支持乳腺癌相关临床试验信息的自动化抽取与分析，旨在提升医学文本挖掘的可重复性和准确性。
基本信息
资源简介
PICO乳腺癌
【数据集背景】
本数据集源站标题为《cuevascarlos/PICO-breast-cancer》。源站首次发布：2024-05-18。
【数据内容】
源站原始描述：# PICO breast cancer dataset This dataset has been extracted from PICO-Corpus The corpus consists of 1,011 abstracts of breast cancer randomized controlled trials extracted from PubMed. The PICO breast cancer dataset contains a total of 26 entities, compared to the usual 4 found in PICO corpora. Specifically, the following image extracted by the dataset''''s authors shows the hierarchy of the entities. !entities The preprocessed dataset, ready to serve as inputs for MLMs such as BERT-like mod…
【数据结构与技术规格】
文件数 16 个，合计 6.86 MB。
【主题与分类】
主题标签：size_categories:1K<n<10K、format:parquet、modality:text、library:datasets、library:pandas、library:mlcroissant、library:polars、region:us。
【获取与许可】
源站页面：https://huggingface.co/datasets/cuevascarlos/PICO-breast-cancer
【使用注意】
· 源站最后修改于 2024-06-17，引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("cuevascarlos/PICO-breast-cancer")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/cuevascarlos/PICO-breast-cancer
数据说明
该数据集是从PICO-Corpus中提取的医学文本数据集，专门针对乳腺癌领域，包含了1011篇来自PubMed的乳腺癌随机对照试验摘要。数据集不仅包含通常的PICO（患者、干预、比较、结果）四个实体，还扩展至26个命名实体，如药物、剂量、时间等，为命名实体识别任务提供了更丰富的标注信息。数据集提供了三个版本：未分割的原始数据、按80%/10%/10%划分的训练/验证/测试集，以及按80%/20%划分的训练/测试集，旨在支持自然语言处理在医学文本分析中的应用，特别是用于研究命名实体识别的可重复性。所有预处理代码已在GitHub开源。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
完整数据卡：huggingface.co/datasets/cuevascarlos/PICO-breast-cancer
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
