CARDIO:DE 多源医学指令数据集 V1.1.2
数据共 3 个文件，包含 full_dataset.csv、test.csv 和 train.csv，源站描述称其由 7 个医学 NLP 数据集按比例分层抽样合并为 10,500 条样本（10,000 条训练、500 条测试），覆盖患者对话、临床问答、症状-诊断对与医学考试推理等文本，可用于医学大模
![Data from: CARDIO:DE [V1.1.2]](/medical-api/medicalDataset/datasetCover/177998.jpg)
基本信息
资源简介
CARDIO:DE 多源医学指令数据集 V1.1.2
Multi-Source Medical Instruction Data for LLM
该数据集来自 kaggle.com，标题为 Multi-Source Medical Instruction Data for LLM，属于心血管系统疾病及其他类别，由 Asadullah Shehbaz 发布。数据共 3 个文件，包含 full_dataset.csv、test.csv 和 train.csv，源站描述称其由 7 个医学 NLP 数据集按比例分层抽样合并为 10,500 条样本（10,000 条训练、500 条测试），覆盖患者对话、临床问答、症状-诊断对与医学考试推理等文本，可用于医学大模型的指令微调与分类等任务（来源 Kaggle，Apache 2.0 许可）。
【数据集背景】
源站首次发布：2026-08-20。
【数据内容】
源站描述（机器翻译，仅供参考）：🩺 面向 LLM 微调的多源医学数据集（10.5K 样本） 为什么存在这个数据集 大多数医学 LLM 微调数据集依赖单一来源，导致模型狭窄、有偏，并过拟合于某一种医学文本风格（例如只有患者聊天，或只有考试题）。本数据集通过将 7 个多样、高质量的医学来源合并为一个干净、平衡且去重的语料库来解决这一问题——让你的模型同时接触真实患者对话、临床问答、症状-诊断对以及医学考试推理。 内容概览 对 10,500 条总样本（10,000 条训练 / 500 条测试）进行仔细的分层划分，按比例从 7 个成熟的医学 NLP 数据集中采样，以保留真实世界的来源多样性，同时使数据集足够小，便于快速、低成本地微调（适配 LoRA/QLoRA）。 | 来源 | 训练 | 测试 | 总计 | 描述
【数据结构与技术规格】
文件数 3 个，合计 25.29 MB。
【主题与分类】
主题标签：biology、medicine、transformers、gpu、hugging face。本站分类：心血管系统疾病/其他。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/ahmed920/multi-source-medical-instruction-data-for-llm
使用许可：Apache 2.0。
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。
需登录公开下载
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。
暂未开放有偿下载
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
源站：https://kaggle.com/datasets/ahmed920/multi-source-medical-instruction-data-for-llm
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 25.3 MB。
数据说明
Asadullah Shehbaz (2026). Multi-Source Medical Instruction Data for LLM [Dataset]. https://www.kaggle.com/datasets/ahmed920/multi-source-medical-instruction-data-for-llm
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。
