德文医生信件医疗信息提取数据集
提供德文医生信件医疗信息提取的源代码和标注指南，包含去标识化、章节分类和药物提取任务。
基本信息
资源简介
德文医生信件医疗信息提取数据集
【一句话概览】
本数据集是 Dataverse 公开的文本数据集，收录 5 个文件、合计 1.65 MB，主题涵盖 information extraction、de-identification、pretrained language models、large language models、Shapley values，可用于医学自然语言处理（实体识别、信息抽取等）。
【数据集背景】
本数据集源站标题为《Source code and data for the PhD Thesis "On-Premise Medical Information Extraction from German Doctor’s Letters under Clinical Constraints"》。
【数据内容】
源站原始描述：Dataset overview This dataset contains source code and annotation guidelines used in the PhD thesis: “On-Premise Medical Information Extraction from German Doctor’s Letters under Clinical Constraints” Repository structure The dataset is split into five repositories: Source code for Chapter 2.6 De-identification of German doctor’s letters Source code for Chapter 5 Clinical Section Classification using Pretrained Language Models and Prompting Source code for Chapter 6 Medication Information Extrac…
【数据结构与技术规格】
文件数 5 个，合计 1.65 MB。数据集 DOI：doi:10.11588/DATA/USQLMB。
【主题与分类】
主题标签：information extraction、de-identification、pretrained language models、large language models、Shapley values、interpretability、fine-tuning、pre-training、cardiology、natural language processing。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://heidata.uni-heidelberg.de/dataset.xhtml?persistentId=doi:10.11588/DATA/USQLMB
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。
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://heidata.uni-heidelberg.de/citation?persistentId=doi:10.11588/DATA/USQLMB
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))
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。
