肺癌诊断5K数据集
该数据集是一个包含5000个文本对的专业医学数据集，数据模态为结构化文本，涵盖肺癌诊断、症状、治疗和随访等临床信息，主要用于微调大型语言模型以开发医生副驾驶和临床诊断支持系统，推动人工智能在肺癌诊疗领域的应用研究。
基本信息
资源简介
肺癌诊断5K数据集
【数据集背景】
本数据集源站标题为《monfortbrian/lung_cancer_5K.jsonl》。源站首次发布：2025-08-25。
【数据内容】
源站原始描述：# Lung Cancer Dataset 🫁 A curated dataset of **prompt–completion pairs** designed for fine-tuning **Large Language Models (LLMs)** on lung cancer diagnostics. The dataset contains **5,000 rows** of text pairs prepared for medical AI research, clinical assistants, and healthcare copilots. - ## 📊 Dataset Overview - **Size:** 5,000 prompt–completion pairs - **Format:** `JSONL`, `CSV` - **Domain:** Lung Cancer (diagnosis, symptoms, treatment, follow-up) - **Use Case:** Training LLMs for **Doctor C…
【数据结构与技术规格】
文件数 1 个，合计 4.35 MB。
【主题与分类】
主题标签：language:en、license:mit、size_categories:1K<n<10K、format:json、modality:text、library:datasets、library:pandas、library:mlcroissant、library:polars、region:us。
【获取与许可】
源站页面：https://huggingface.co/datasets/monfortbrian/lung_cancer_5K.jsonl
使用许可：mit。
【使用注意】
· 源站最后修改于 2025-08-26，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("monfortbrian/lung_cancer_5K.jsonl")
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/monfortbrian/lung_cancer_5K.jsonl
数据说明
这是一个专门用于肺癌诊断领域的大型语言模型微调数据集，包含5000个高质量的提示-完成对。数据集内容涵盖肺癌的诊断标准、症状描述、治疗方案和随访建议等专业医学文本，数据来源于医学文献和临床实践整理。该数据集主要用于训练医疗AI助手、临床决策支持系统和医生辅助工具，推动人工智能在肺癌早期诊断和治疗规划中的应用研究。
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/monfortbrian/lung_cancer_5K.jsonl
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。
