重大疾病医学AI微调平台验证

数据集获取

源站：https://clinicaltrials.gov/study/NCT07795645

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：慢性胃炎、胃癌（GC）、冠状动脉疾病、卒中、胃食管反流。这是一项在北京市三家医院（北京友谊医院（Beijing Friendship Hospital）作为牵头中心、宣武医院（Xuanwu Hospital）和北京安贞医院（Beijing Anzhen Hospital））开展的多中心、双向性队列研究，纳入了约80000份回顾性历史病历，来自2014年7月至2024年6月期间接受诊治的、被诊断为慢性胃炎、胃癌、胃食管反流、冠状动脉疾病或卒中的患者；同时纳入约16000例在2024年7月至2027年6月期间前瞻性入组的患有相同疾病的患者。1. 智慧医疗大数据数据集构建：本研究旨在以整合丰富的医疗数据和知识资源为核心概念，构建智慧医疗大数据数据集，为智慧医疗研究与实践提供坚实支撑。通过与医院紧密合作，研究组已积累丰富的多模态医疗数据，包括电子病历、医学影像及报告、实验室检查结果和遗传信息。

与此同时，通过长期的研发，该集团积累了广泛的数据资源，包括医学指南、专家共识、临床数据库、医学文献、医学百科全书、医学专利以及医患对话数据。根据项目所处阶段，将基于具体需求分阶段构建数据集。早期预训练阶段将需要医学通用知识数据集，数据来源包括医学指南、教科书、文献和历史病历。后期的模型微调与应用部署阶段将需要疾病特异性数据集，数据来源包括医患对话、疾病特异性病历、诊疗方案和随访记录。通过强大的数据处理能力，采用数据清洗、标准化、转换、标注和增强等技术来转换原始数据。

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。