医疗电子健康记录训练数据集

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("Fanoni/medical-ehr-training-data")
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/Fanoni/medical-ehr-training-data

数据集大小约 54.7 KB。

仓库文件结构

• .gitattributes
• README.md
• tool_routing_test_set.json
• training_set_v4.5_with_ground_truth.json
• training_set_v4.5_with_ground_truth_dspy.json

数据说明

医疗EHR训练数据集 用于医疗EHR GEPA优化模块的训练数据集。数据集描述 该数据集包含382个医疗EHR查询示例，用于训练DSPy GEPA优化。数据集结构 { “query”: “显示糖尿病患者”, “expected_strategy”: “ENRICHMENT”, “expected_snomed_codes”: [“73211009”, “44054006”], “expected_neo4j_count”: 15, “query_complexity”: “simple”, “medical_category”: “endocrine” }… 在数据集页面查看完整描述：https://huggingface.co/datasets/Fanoni/medical-ehr-training-data。

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。

完整数据卡：huggingface.co/datasets/Fanoni/medical-ehr-training-data