celikmus/mayo_clinic_symptoms_and_diseases_v1
Dataset Card for "mayo_clinic_symptoms_and_diseases_v1" More Information needed
📊 Bộ dữ liệu triệu chứng và bệnh từ Mayo Clinic — Nguồn dữ liệu thực tế cho mô hình chẩn đoán
1.058 cặp triệu chứng–bệnh được trích xuất từ Mayo Clinic, sẵn sàng cho fine-tuning mô hình NLP chẩn đoán bệnh.
Bộ dữ liệu mayo_clinic_symptoms_and_diseases_v1 thu thập 1.058 mẫu gồm mô tả triệu chứng (text) và nhãn bệnh (label), được trích xuất từ nguồn uy tín Mayo Clinic. Đây là nguồn dữ liệu thực tế, được cấu trúc hóa dưới định dạng Parquet, hỗ trợ trực tiếp với các thư viện như Hugging Face Datasets, Pandas, Polars và MLCroissant.
✨ Điểm nổi bật
- Định dạng text-label: Mỗi mẫu gồm một đoạn mô tả triệu chứng và nhãn bệnh tương ứng.
- 1.058 mẫu huấn luyện: Kích thước vừa đủ cho việc fine-tuning mô hình nhỏ hoặc làm dữ liệu mở rộng.
- Dữ liệu từ Mayo Clinic: Nguồn thông tin y khoa đáng tin cậy, được kiểm duyệt.
- Hỗ trợ Parquet: Định dạng lưu trữ hiệu quả, tối ưu cho tốc độ truy xuất và xử lý.
- Tích hợp sẵn với thư viện ML: Tương thích ngay với Hugging Face Datasets, Pandas, Polars, và MLCroissant.
- Kích thước nhỏ gọn: Tổng dung lượng dưới 1.3MB, dễ dàng tải lên và sử dụng trong môi trường hạn chế tài nguyên.
💡 Vì sao đáng chú ý
Không phải ai cũng có khả năng thu thập và cấu trúc dữ liệu y khoa từ nguồn thực tế như Mayo Clinic. Bộ dữ liệu này cung cấp một nền tảng vững chắc cho việc huấn luyện mô hình chẩn đoán bệnh dựa trên mô tả triệu chứng — một bài toán quan trọng trong hệ thống hỗ trợ quyết định lâm sàng. Đặc biệt, sự kết hợp giữa tính thực tế của nguồn dữ liệu và tính tiện lợi trong sử dụng nhờ các thư viện phổ biến làm cho nó trở thành lựa chọn lý tưởng cho nghiên cứu và phát triển mô hình NLP trong lĩnh vực y tế.
#MedicalAI #HealthcareDataset #NLP #MayoClinic #TiniX
Similar Projects
Discover other similar projects and AI models.
a.k.a. Awesome ChatGPT Prompts This is a Dataset Repository mirror of prompts.chat — a social platform for AI prompts. 📢 Notice This Hugging Face dataset is a mirror. For the latest prompts, features, and community contributions, please visit: 🌐 Website: prompts.chat 📦 GitHub: github.com/f/awesome-chatgpt-prompts About prompts.chat is an open-source platform where users can share, discover, and collect AI prompts from the community. The project can… See the full description on the dataset page: https://huggingface.co/datasets/fka/prompts.chat.
Dataset Card for GSM8K Dataset Summary GSM8K (Grade School Math 8K) is a dataset of 8.5K high quality linguistically diverse grade school math word problems. The dataset was created to support the task of question answering on basic mathematical problems that require multi-step reasoning. These problems take between 2 and 8 steps to solve. Solutions primarily involve performing a sequence of elementary calculations using basic arithmetic operations (+ − ×÷) to… See the full description on the dataset page: https://huggingface.co/datasets/openai/gsm8k.
OpenAssistant Conversations Dataset (OASST1) Dataset Summary In an effort to democratize research on large-scale alignment, we release OpenAssistant Conversations (OASST1), a human-generated, human-annotated assistant-style conversation corpus consisting of 161,443 messages in 35 different languages, annotated with 461,292 quality ratings, resulting in over 10,000 fully annotated conversation trees. The corpus is a product of a worldwide crowd-sourcing effort… See the full description on the dataset page: https://huggingface.co/datasets/OpenAssistant/oasst1.
Dataset Card for Alpaca Dataset Summary Alpaca is a dataset of 52,000 instructions and demonstrations generated by OpenAI's text-davinci-003 engine. This instruction data can be used to conduct instruction-tuning for language models and make the language model follow instruction better. The authors built on the data generation pipeline from Self-Instruct framework and made the following modifications: The text-davinci-003 engine to generate the instruction data… See the full description on the dataset page: https://huggingface.co/datasets/tatsu-lab/alpaca.
[!NOTE] IMPORTANT: Please help us protect the integrity of this benchmark by not publicly sharing, re-uploading, or distributing the dataset. Humanity's Last Exam 🌐 Website | 📄 Paper | GitHub Center for AI Safety & Scale AI Humanity's Last Exam (HLE) is a multi-modal benchmark at the frontier of human knowledge, designed to be the final closed-ended academic benchmark of its kind with broad subject coverage. Humanity's Last Exam consists of 2,500 questions across dozens… See the full description on the dataset page: https://huggingface.co/datasets/cais/hle.
Agentic RL Environments RL training environments for LLM agents. Domain Task Family Verifier Code Software engineering Executable tests Cyber Vulnerability reproduction Rule checks General Knowledge work Rubric-based judging Visual Web development Visual grading Music Symbolic music composition Rule checks Docker images: https://hub.docker.com/r/xiaomimimo/mimo-v2.6-rl-oss Training code: https://github.com/XiaomiMiMo/verl
Dataset Card for MMLU Dataset Summary Measuring Massive Multitask Language Understanding by Dan Hendrycks, Collin Burns, Steven Basart, Andy Zou, Mantas Mazeika, Dawn Song, and Jacob Steinhardt (ICLR 2021). This is a massive multitask test consisting of multiple-choice questions from various branches of knowledge. The test spans subjects in the humanities, social sciences, hard sciences, and other areas that are important for some people to learn. This covers 57… See the full description on the dataset page: https://huggingface.co/datasets/cais/mmlu.
Dataset Card for "imdb" Dataset Summary Large Movie Review Dataset. This is a dataset for binary sentiment classification containing substantially more data than previous benchmark datasets. We provide a set of 25,000 highly polar movie reviews for training, and 25,000 for testing. There is additional unlabeled data for use as well. Supported Tasks and Leaderboards More Information Needed Languages More Information Needed… See the full description on the dataset page: https://huggingface.co/datasets/stanfordnlp/imdb.
Dataset Card for GLUE Dataset Summary GLUE, the General Language Understanding Evaluation benchmark (https://gluebenchmark.com/) is a collection of resources for training, evaluating, and analyzing natural language understanding systems. Supported Tasks and Leaderboards The leaderboard for the GLUE benchmark can be found at this address. It comprises the following tasks: ax A manually-curated evaluation dataset for fine-grained… See the full description on the dataset page: https://huggingface.co/datasets/nyu-mll/glue.