有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
HPAI-BSC/CareQA|医疗问答数据集|专业考试数据集
收藏hugging_face2024-05-21 更新2024-05-25 收录
下载链接：
https://hf-mirror.com/datasets/HPAI-BSC/CareQA
下载链接
链接失效反馈资源简介：
CareQA是一个基于西班牙专业医疗培训（FSE）考试的多选题问答数据集。该数据集从官方考试来源收集，涵盖了2020年至2024年的生物学、化学、医学、护理学、药理学和心理学考试。数据集支持英语和西班牙语，包含5621个样本。每个问题有四个可能的答案，模型需要从中选择正确的选项。数据集主要用于评估模型在多选题问答任务中的表现，且数据集被设计为评估数据集，因此整个数据集被视为测试集。
CareQA是一个基于西班牙专业医疗培训（FSE）考试的多选题问答数据集。该数据集从官方考试来源收集，涵盖了2020年至2024年的生物学、化学、医学、护理学、药理学和心理学考试。数据集支持英语和西班牙语，包含5621个样本。每个问题有四个可能的答案，模型需要从中选择正确的选项。数据集主要用于评估模型在多选题问答任务中的表现，且数据集被设计为评估数据集，因此整个数据集被视为测试集。
提供机构：
HPAI-BSC
原始信息汇总
数据集概述
数据集名称
- 名称: CareQA
- 别名: CareQA_en, CareQA_es
数据集描述
- 概述: CareQA是一个多选题问答数据集，基于西班牙专业医疗培训考试（FSE）。该数据集从官方考试资源中收集，涵盖2020至2024年的生物学、化学、医学、护理、药理学和心理学考试。数据集包含5621个样本，支持英语和西班牙语。
数据集结构
- 数据实例: 每个实例包含考试ID、问题文本、四个选项、正确答案选项、考试年份、科目类别和唯一标识符。
- 数据字段: 包括
exam_id,question,op1至op4,cop,year,category,unique_id。 - 数据分割: 整个数据集作为测试集，包含5621个样本，分布在六个科目类别和五个考试年份中。
数据集创建
- 来源数据: 数据来源于官方政府网站，通过自动处理和手动审查确保质量。
- 语言: 原始语言为西班牙语，部分问题已翻译成英语。
使用考虑
- 社会影响: 可用于开发和测试医疗领域的多选题问答模型，用于评估人工智能模型的医疗知识。
- 偏见讨论: 数据集未进行偏见评估，但由专家生成，被认为基本无偏见。
附加信息
- 许可证: Apache License 2.0
- 数据集维护者: Lucia Urcelay Ganzabal 和 Pablo Bernabeu Pérez
- 引用信息: 参考文献Aloe: A Family of Fine-tuned Open Healthcare LLMs
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
学生课堂行为数据集 (SCB-dataset3)
学生课堂行为数据集(SCB-dataset3)由成都东软学院创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景，通过YOLOv5、YOLOv7和YOLOv8算法评估，平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础，解决教育领域中学生行为数据集的缺乏问题。
arXiv 收录
UniProt
UniProt（Universal Protein Resource）是全球公认的蛋白质序列与功能信息权威数据库，由欧洲生物信息学研究所（EBI）、瑞士生物信息学研究所（SIB）和美国蛋白质信息资源中心（PIR）联合运营。该数据库以其广度和深度兼备的蛋白质信息资源闻名，整合了实验验证的高质量数据与大规模预测的自动注释内容，涵盖从分子序列、结构到功能的全面信息。UniProt核心包括注释详尽的UniProtKB知识库（分为人工校验的Swiss-Prot和自动生成的TrEMBL），以及支持高效序列聚类分析的UniRef和全局蛋白质序列归档的UniParc。其卓越的数据质量和多样化的检索工具，为基础研究和药物研发提供了无可替代的支持，成为生物学研究中不可或缺的资源。
www.uniprot.org 收录
GME Data
关于2021年GameStop股票活动的数据，包括每日合并的GME短期成交量数据、每日失败交付数据、可借股数、期权链数据以及不同时间框架的开盘/最高/最低/收盘/成交量条形图。
github 收录
MultiTalk
MultiTalk数据集是由韩国科学技术院创建，包含超过420小时的2D视频，涵盖20种不同语言，旨在解决多语言环境下3D说话头生成的问题。该数据集通过自动化管道从YouTube收集，每段视频都配有语言标签和伪转录，部分视频还包含伪3D网格顶点。数据集的创建过程包括视频收集、主动说话者验证和正面人脸验证，确保数据质量。MultiTalk数据集的应用领域主要集中在提升多语言3D说话头生成的准确性和表现力，通过引入语言特定风格嵌入，使模型能够捕捉每种语言独特的嘴部运动。
arXiv 收录
Breast Ultrasound Images (BUSI)
小型（约500×500像素）超声图像，适用于良性和恶性病变的分类和分割任务。
github 收录