肿瘤学CPT混合数据集
肿瘤学相关文本数据集，包含训练和验证集，适用于持续预训练或微调。
基本信息
模态
文本
创建/更新时间
2025-07-21
资源简介
该数据集包含两个配置（tulu-llama3.3-template和tulu-mistral3-template），每个配置均有训练集和验证集，字段包括ID、文本、数据集名称和分词器信息。数据集名称中包含“oncology”，推测与肿瘤学相关，但具体内容未在README中详细描述。文本模态，可用于语言模型持续预训练或微调任务。
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("JulienVig/oncology-cpt-mixture")
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/JulienVig/oncology-cpt-mixture
数据说明
该数据集包含两个配置（tulu-llama3.3-template和tulu-mistral3-template），每个配置均有训练集和验证集，字段包括ID、文本、数据集名称和分词器信息。数据集名称中包含“oncology”，推测与肿瘤学相关，但具体内容未在README中详细描述。文本模态，可用于语言模型持续预训练或微调任务。
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))
完整数据卡：huggingface.co/datasets/JulienVig/oncology-cpt-mixture
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。
