Hulu-Med-Unified

该数据集包含五个不同的配置：chexpert、path_vqa、pubmed_vision、quilt_llava和slake。每个配置都有详细的特征描述、数据分割（包括字节数和样本数）、下载大小和数据集大小。

1. **chexpert**：包含胸部X光图像及相关医学特征，如性别、年龄、影像方向（正面/侧面）以及多种胸部疾病的标签（如肺不张、肺水肿等）。训练集包含223,414个样本，验证集包含234个样本。

2. **path_vqa**：包含图像、问题和答案的视觉问答数据集，适用于医学图像理解任务。训练集有19,654个样本，验证集有6,259个样本，测试集有6,719个样本。

3. **pubmed_vision**：包含图像和对话的医学视觉数据集，适用于多模态医学任务。训练集有646,759个样本。

4. **quilt_llava**：包含图像和对话的数据集，适用于视觉语言任务。训练集有107,131个样本。

5. **slake**：包含医学图像、问题、答案和元数据的视觉问答数据集，支持多语言和多模态任务。训练集有9,835个样本，验证集有2,099个样本，测试集有2,094个样本。

原始信息汇总

数据集概述：Hulu-Med-Unified

数据集基本信息

• 数据集名称：Hulu-Med-Unified
• 发布者：NobleMind
• 许可证：Apache-2.0
• 数据集地址：https://huggingface.co/datasets/NobleMind/Hulu-Med-Unified

数据集配置与结构

本数据集包含五个独立的配置（config），每个配置代表一个不同的医学视觉数据集。

1. 配置：chexpert

• 描述：胸部X光影像分类数据集。
• 数据特征：
  • Path：字符串类型。
  • Sex：分类标签（0: Male, 1: Female）。
  • Age：整数类型。
  • Frontal/Lateral：分类标签（0: Frontal, 1: Lateral）。
  • AP/PA：分类标签（0: AP, 1: PA, 2: ）。
  • No Finding 至 Support Devices：共14个医学观察标签，每个均为分类标签（0: unlabeled, 1: uncertain, 2: absent, 3: present）。
  • image：图像类型。
• 数据划分：
  • train：223,414 个样本，大小约 11.48 GB。
  • validation：234 个样本，大小约 12.06 MB。
• 下载大小：约 11.46 GB。
• 数据集总大小：约 11.49 GB。

2. 配置：path_vqa

• 描述：病理学视觉问答数据集。
• 数据特征：
  • image：图像类型。
  • question：字符串类型。
  • answer：字符串类型。
• 数据划分：
  • train：19,654 个样本，大小约 3.64 GB。
  • validation：6,259 个样本，大小约 1.15 GB。
  • test：6,719 个样本，大小约 1.22 GB。
• 下载大小：约 877.15 MB。
• 数据集总大小：约 6.01 GB。

3. 配置：pubmed_vision

• 描述：基于PubMed文献的医学视觉对话数据集。
• 数据特征：
  • image：字符串列表类型。
  • conversations：列表类型，包含from（字符串）和value（字符串）字段。
  • id：字符串类型。
  • modality：字符串类型。
  • body_part：字符串类型。
• 数据划分：
  • train：646,759 个样本，大小约 581.13 MB。
• 下载大小：约 262.82 MB。
• 数据集总大小：约 581.13 MB。

4. 配置：quilt_llava

• 描述：医学视觉语言对话数据集。
• 数据特征：
  • id：字符串类型。
  • image：字符串类型。
  • conversations：列表类型，包含from（字符串）和value（字符串）字段。
• 数据划分：
  • train：107,131 个样本，大小约 177.20 MB。
• 下载大小：约 77.95 MB。
• 数据集总大小：约 177.20 MB。

5. 配置：slake

• 描述：医学视觉问答数据集，包含多语言支持。
• 数据特征：
  • img_name：字符串类型。
  • location：字符串类型。
  • answer：字符串类型。
  • modality：字符串类型。
  • base_type：字符串类型。
  • answer_type：字符串类型。
  • question：字符串类型。
  • qid：整数类型。
  • content_type：字符串类型。
  • triple：字符串列表类型。
  • img_id：整数类型。
  • q_lang：字符串类型。
• 数据划分：
  • train：9,835 个样本，大小约 1.65 MB。
  • validation：2,099 个样本，大小约 356.21 KB。
  • test：2,094 个样本，大小约 353.39 KB。
• 下载大小：约 259.88 KB。
• 数据集总大小：约 2.36 MB。