整合版化学暴露PubMed摘要数据集
该数据集整合了与化学暴露相关的PubMed摘要文本，以文件形式组织，包含说明文档、汇总CSV以及按类别存放的摘要文本文件
基本信息
资源简介
整合版化学暴露PubMed摘要数据集
Consolidated - Chemical Exposure PubMed Abstracts 是一个以化学暴露相关 PubMed 摘要文本为核心内容的数据集，在站内归入化学诱发性障碍／其他类别，来源于 kaggle.com，由 Aviruk Basak 发布，当前版本为 v2，发布时间为 2026-09-25。数据集共包含 20 个文件，合计约 6.60 MB，文件形式涵盖说明文档、汇总 CSV 表格以及按类别组织的纯文本摘要文件，整体规模适中，便于下载后在小样本上先行核对再批量接入。该数据集适合作为化学暴露与化学诱发性障碍相关文献文本的整理性资源，用于文本层面的检索、整理与后续分析工作。
【数据集背景】
该数据集面向化学暴露相关的 PubMed 摘要文献，将分散的摘要文本整合为结构相对清晰的文件集合。数据集英文名称为 Consolidated - Chemical Exposure PubMed Abstracts，站内分类为化学诱发性障碍／其他，说明其主题定位与化学暴露引发的健康障碍及相关研究领域相关。数据集由 Aviruk Basak 作为机构署名发布，版本为 v2，发布时间为 2026-09-25，来源站为 kaggle.com。源站描述中给出的引用信息为：Aviruk Basak (2026). Consolidated - Chemical Exposure PubMed Abstracts [Dataset]. https://www.kaggle.com/datasets/avirukbasak/consolidated-chemical-exposure-pubmed-abstracts。关于该数据集的具体构建动机与研究背景，源站未提供。
【数据内容】
数据集共包含 20 个文件，合计 6.60 MB。文件样例包括 README.md、consolidated_dataset.csv，以及位于 corpus/corpus/cei/class/ 目录下的多个纯文本摘要文件，例如 10022290.txt、10092428.txt、10092429.txt、10210688.txt、10210691.txt、10231987.txt 等。从文件组织方式看，数据以三种形式呈现：一是 Markdown 格式的说明文档，二是 CSV 格式的汇总表格，三是按类别目录存放的纯文本摘要文件。摘要文本以独立文本文件形式按类别归入相应目录，文件名采用数字编号。关于 CSV 表格的具体字段构成、文本文件的具体编码方式以及类别标签的完整列表，源站未提供。
【采集与来源】
该数据集来源于 kaggle.com，发布者为 Aviruk Basak，源站描述中标注的年份为 2026。数据内容为与化学暴露相关的 PubMed 摘要文本，说明其原始文本来自 PubMed 文献摘要。关于摘要的具体检索策略、筛选标准、纳入与排除规则、去重方式以及从 PubMed 获取文本的具体时间范围，源站未提供。
【适用场景】
该数据集可用于化学暴露与化学诱发性障碍相关文献摘要的文本整理与检索类工作，也可作为文本分析流程中的输入材料，例如按类别组织摘要文本后进行文本层面的归类、检索与统计整理。由于数据同时提供汇总 CSV 与按类别存放的纯文本文件，适合需要同时使用表格化汇总信息与原始文本内容的场景。关于该数据集在具体建模任务中的表现或基准结果，源站未提供。
【使用方法】
使用时可先下载全部 20 个数据文件，合计 6.60 MB，其中包括 README.md、consolidated_dataset.csv 以及 corpus/corpus/cei/class/ 目录下的纯文本摘要文件。读取时按文件格式分别处理：Markdown 文档用于阅读说明信息，CSV 文件按表格方式读取，纯文本文件按文本方式读取。建议先在小样本上核对字段与编码，确认无误后再批量接入全部文件。关于 CSV 各列的含义与文本文件的命名规则，源站未提供进一步说明。
【质量与限制】
数据集以文件形式组织，包含说明文档、汇总表格与按类别存放的摘要文本，结构相对清晰。当前可确认的规模信息为 20 个文件、合计 6.60 MB，版本为 v2。关于数据的完整性、标注准确性、类别平衡性、文本去重情况以及是否存在缺失或重复记录，源站未提供。由于摘要文本来源于 PubMed，其内容范围受原始文献收录情况影响，具体覆盖范围源站未提供。
【引用与许可】
该数据集采用 Attribution 4.0 International (CC BY 4.0) 许可，使用时需按要求进行署名。引用信息为：Aviruk Basak (2026). Consolidated - Chemical Exposure PubMed Abstracts [Dataset]. https://www.kaggle.com/datasets/avirukbasak/consolidated-chemical-exposure-pubmed-abstracts。关于署名格式的更多细节与再分发要求，源站未提供。
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/avirukbasak/consolidated-chemical-exposure-pubmed-abstracts
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 13.5 MB。
数据说明
Aviruk Basak (2026). Consolidated - Chemical Exposure PubMed Abstracts [Dataset]. https://www.kaggle.com/datasets/avirukbasak/consolidated-chemical-exposure-pubmed-abstracts
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。
