ICD编码的德国肿瘤诊断数据集
2024条德国肿瘤诊断文本及其ICD-10/ICD-O编码，用于指令微调LLMs实现肿瘤诊断编码自动化。
基本信息
资源简介
ICD编码的德国肿瘤诊断数据集
【数据集背景】
本数据集源站标题为《stefan-m-lenz/ICDOPS-QA-2024》。源站首次发布：2025-04-24。
【数据内容】
源站原始描述：# Dataset Card for ICDOPS-QA-2024 Paper: Unlocking Public Catalogues: Instruction-Tuning LLMs for ICD Coding of German Tumor Diagnoses ## Content This dataset contains 518,116 question-answer pairs in German medical language with a focus on **oncological diagnoses**, covering the following **medical coding systems**, including: - **ICD-10-GM** (International Statistical Classification of Diseases, 10th revision, German Modification) via the alphabetical index (Alpha-ID) - **ICD-O-3** (I…
【数据结构与技术规格】
文件数 2 个，合计 21.84 MB。
【主题与分类】
主题标签：task_categories:question-answering、task_categories:text-classification、language:de、license:other、size_categories:100K<n<1M、format:parquet、modality:document、modality:text、library:datasets、library:pandas。
【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://huggingface.co/datasets/stefan-m-lenz/ICDOPS-QA-2024
使用许可：other。
【使用注意】
· 源站最后修改于 2025-10-16，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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("stefan-m-lenz/ICDOPS-QA-2024")
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/stefan-m-lenz/ICDOPS-QA-2024
数据说明
该数据集包含2024个独特的德国肿瘤诊断文本描述，每个描述对应一个ICD-10-GM代码和ICD-O-3拓扑代码。数据来源于当地肿瘤文档系统，基于ICD-10-GM、ICD-O-3和OPS目录创建了超过50万个问答对。主要用于通过指令微调评估LLMs在德国肿瘤诊断文本编码中的准确性，旨在实现肿瘤诊断编码的自动化。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
