考试特征与粒度性能数据
包含眼科考试问题分布及LLM、眼科医生和学员的分数对比数据，用于性能评估。
基本信息
资源简介
考试特征与粒度性能数据
【数据集背景】
本数据集源站标题为《Examination characteristics and granular performance data.》，为 Examination characteristics and granular performance data. 的组成部分。源站首次发布：2024-04-17。
【数据内容】
源站原始描述：Question subject and type distributions presented alongside scores attained by LLMs (GPT-3.5, GPT-4, LLaMA, and PaLM 2), expert ophthalmologists (E1-E5), ophthalmology trainees (T1-T3), and unspecialised junior doctors (J1-J2). Median scores do not necessarily sum to the overall median score, as fractional scores are impossible
【数据结构与技术规格】
文件数 1 个，合计 13.82 KB。Table 1.xls：application/vnd.ms-excel，13.82 KB。数据集 DOI：10.1371/journal.pdig.0000341.t001。
【主题与分类】
源站学科分类：Medicine、Cell Biology、Biotechnology、Sociology、Immunology、Biological Sciences not elsewhere classified。主题标签：natural language processing、large language models、first order recall、raw examination scores、masked ophthalmologists graded、unspecialised junior doctors、4 compared favourably、ophthalmologists preferred gpt、div >< p、48 %), llama。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/Examination_characteristics_and_granular_performance_data_/25630091
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Thirunavukarasu, Arun James; Mahmood, Shathar; Malem, Andrew; Foster, William Paul; Sanghera, Rohan; Hassan, Refaat; et al. (2024). Examination characteristics and granular performance data.. PLOS Digital Health. Dataset
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（Figshare）
- 源站标题：Examination characteristics and granular performance data.
- DOI：10.1371/journal.pdig.0000341.t001
- 发布日期：2024-04-17
- 文件数：1 个
- 文件总体积：13.82 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Examination_characteristics_and_granular_performance_data_/25630091
命令行下载
curl -L -o "Table 1.xls" "https://ndownloader.figshare.com/files/45715463"
文件清单
Table 1.xls（13.82 KB）
文件总体积 13.82 KB（源站 API 实测）。
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。
数据说明
Question subject and type distributions presented alongside scores attained by LLMs (GPT-3.5, GPT-4, LLaMA, and PaLM 2), expert ophthalmologists (E1-E5), ophthalmology trainees (T1-T3), and unspecialised junior doctors (J1-J2). Median scores do not necessarily sum to the overall median score, as fractional scores are impossible.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pdig.0000341.t001（source: https://plos.figshare.com/articles/dataset/Examination_characteristics_and_granular_performance_data_/25630091）。
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。
