eDiseases 数据集
eDiseases 数据集来自 MedHelp 健康网站，收录不同疾病社区中患者发布的对话数据。数据覆盖 allergies、crohn 和 breast cancer 三个社区，每个社区自动抽取 10 段对话，并过滤掉少于 10 条帖子的对话
基本信息
资源简介
eDiseases 数据集
Ediseases Dataset
eDiseases 数据集来自 MedHelp 健康网站，收录不同疾病社区中患者发布的对话数据。数据覆盖 allergies、crohn 和 breast cancer 三个社区，每个社区自动抽取 10 段对话，并过滤掉少于 10 条帖子的对话。共提取 allergies 146 条帖子、crohn 191 条帖子、breast cancer 142 条帖子，包含 allergies 983 句、crohn 1780 句等句子级内容。该数据集可用于疾病相关文本的极性、事实性等分类研究，以及社交媒体患者数据的分析（来源 DOI 解析，Creative Commons Attribution-NonCommercial 4.0 许可）。
【数据集背景】
源站首次发布：2018。
【数据内容】
源站描述（机器翻译，仅供参考）：eDiseases 数据集包含来自 MedHelp 健康网站（ 10 段对话：allergies、crohn 和 breast cancer。我们选择了一组疾病，据医学专家称，这些疾病在医学理解程度和用户画像两方面都表现出高度异质性。对话是随机选取的，但我们自动过滤掉了少于 10 条帖子的对话。总共，我们为 allergies 抽取了 146 条帖子，为 crohn 抽取了 191 条帖子，为 breast cancer 抽取了 142 条帖子；其中包括 allergies 的 983 个句子、1780 个句子
【主题与分类】
主题标签：Polarity、Factuality、Health、Social Networks、Patient data。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://zenodo.org/record/1479353
使用许可：Creative Commons Attribution-NonCommercial 4.0。
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://doi.org/10.5281/zenodo.1479353
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 105.5 KB。
数据说明
如有疑问，标注者会将句子标记为NOT_LABELED。因此，我们收集了967条关于过敏的标记句子，1,709条关于克罗恩病的标记句子，以及959条关于乳腺癌的标记句子。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
