临床试验不良事件预测数据集
CT-ADE 是面向临床试验结果的药物不良事件预测数据集，提供药物和不良事件标签，可用于多标签分类、药物安全预测，并可覆盖与过敏反应相关的 ADE 标签。
基本信息
资源简介
临床试验不良事件预测数据集
【数据集背景】
本数据集源站标题为《ds4dh/CT-ADE》。源站首次发布：2024-03-25。
【数据内容】
源站原始描述：CT-ADE: An Evaluation Benchmark for Adverse Drug Event Prediction from Clinical Trial Results # CT-ADE CT-ADE: An Evaluation Benchmark for Adverse Drug Event Prediction from Clinical Trial Results ## Citation ## Developed with - Operating System: Ubuntu 22.04.3 LTS - Kernel: Linux 4.18.0-513.18.1.el8_9.x86_64 - Architecture: x86_64 - Python: - 3.10.12 ## Prerequisites 1. Set up your environment and install the necessary Python libraries as specified in `requirements.txt`. Note that you will need…
【主题与分类】
主题标签：ade、ades、adr、adrs、dataset、datasets。
【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://github.com/ds4dh/CT-ADE
使用许可：MIT。
【使用注意】
· 源站最后修改于 2025-03-27，引用时请注意版本时效。
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
git clone https://github.com/ds4dh/CT-ADE.git
curl -L -o repo.zip https://github.com/ds4dh/CT-ADE/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Download Publically Available CT-ADE-SOC and CT-ADE-PT
You can download the publicly available CT-ADE-SOC and CT-ADE-PT versions from HuggingFace. These datasets contain standardized annotations from ClinicalTrials.gov:
Alternatively, the datasets are also available on Figshare:
The above datasets are identical to the SOC and PT versions you will produce in the Typical Pipeline from Checkpoint section.
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。
