Shrey-1329/cxiu_hf_dataset

这是一个由印第安纳大学提供的开放访问的肺炎胸部X光数据集的转换和处理版本。数据集包含两个字段：图像和文本。图像是X光片，文本是与之相关的发现。预处理步骤包括将文本转换为小写、去除标点符号、去除数字、去除含有连续两个或更多X的单词，以及去除长度在底部和顶部2%的文本。

原始信息汇总

数据集概述

基本信息

• 数据集名称: Indiana University Chest Xray Dataset
• 任务类别: image-to-text
• 语言: English (en)
• 标签: medical
• 大小类别: 1K<n<10K

数据结构

• 特征:
  • image: 图像数据
  • text: 字符串数据，包含与图像相关的发现文本

数据分割

• 训练集:
  • 示例数量: 6060
  • 数据大小: 1108945726.54字节

数据集大小

• 下载大小: 1108991167字节
• 总大小: 1108945726.54字节

预处理步骤

1. 转换所有文本为小写
2. 移除所有标点符号
3. 移除所有数字
4. 移除包含两个或以上连续X的单词
5. 移除文本长度最短和最长的2%数据