Glebkaa/MedSyn-ift

该数据集用于指令微调，每个样本包含指令、输入和输出三个部分。数据来源包括Almazov病历、诊断数据、疾病数据、GPT-3.5和GPT-4生成的临床笔记、ISA病历、MedElement缩写对、医学问答、MedSpellcheck基准、医学知识图谱、MSD手册、RuMedDaNet问答对、RuMedNLI临床领域NLI任务、RuMedPrime匿名病历、RuMedTest SOGMA测试、内部临床笔记以及WikiMed疾病和药物描述。

原始信息汇总

数据集概述

数据集基本信息

• 许可证: MIT
• 任务类别: 文本生成
• 语言: 俄语
• 标签: 医疗

数据集文件

• 文件名: data-ift.csv

• 用途: 用于指令微调的数据

• 数据结构:

  "instruction": "Some kind of instruction." "input": "Some prior information." "output": "Desirable output."

数据源详情

数据源	原始样本数	创建样本数	描述
Almazov anamneses	2356	6861	Almazov国家医学研究中心的急性冠状动脉综合征(ACS)患者匿名电子病历集。
Diagnosis data	286	286	包含诊断描述和相应症状的诊断数据。
Diseases data	2945	4890	来自Wikipedia的疾病及其症状描述数据。
GPT-3.5 data	11480	11480	基于疾病相关症状生成的临床笔记。
GPT-4 data with symptoms	5006	5006	基于疾病相关症状生成的临床笔记。
ISA anamneses	161	483	来自俄罗斯科学院研究机构的病人病史大片段集。
MedElement	1741	1741	来自MedElement门户的缩写及其定义对。
Medical QA	10937	10937	来自医疗相关论坛的问答帖子。
MedSpellcheck	1054	1054	MedSpellcheck基准包含可能含有拼写错误的句子和相应的修正。
Medical Knowledge Graph	13582	6000	从MKG提取的疾病、药物和症状的复杂指令描述。
MSD Manual	162	1789	来自MSD Manuals的疾病及其相关症状的详细描述。
RuMedDaNet	1564	1564	医学相关领域(药理学、解剖学、治疗医学等)的问答对。
RuMedNLI	12627	12627	临床领域的NLI任务，MedNLI数据的全翻译对应。
RuMedPrime	7625	33465	SSMU医院访问者的匿名医疗病史。
RuMedTest SOGMA	770	355	RuMedTest是一个关于不同医学领域(胃肠病学、心血管疾病等)的5个问题测试。
In-house clinical notes	9024	19719	匿名的内部患者临床笔记集。
WikiMed	13324	33951	来自WikiMed的疾病和药物名称描述集。