数据集概述
本数据集为2023年生成，基于2022年从MEDLINE（科学文献）和Event Registry（新闻）收集的数据，支持罕见病挖掘项目。包含16种罕见病的人工标注文献，涉及科学论文和新闻文章的标注及分类器评估数据，用于相关研究论文的开发。
文件详解
- JSON文件
- 文件名称：preproc2-input-media.json、preproc2-input-science.json
- 文件格式：JSON
- 字段映射介绍：分类器评估的输入文件，包含标题、文章正文和MeSH标题ID（可从NCBI获取）
- CSV文件
- 文件名称：MeSH Evaluation - Rare Diseases - papers.csv、MeSH Evaluation - Rare Diseases - news.csv
- 文件格式：CSV
- 字段映射介绍：人工标注数据及评估结果。论文CSV含PubMed ID、标题、专家MeSH分配、MeSH ID等；新闻CSV含ER ID、标题、专家MeSH分配、MeSH ID等；以"f1_"、"pr_"、"re_"开头的CSV为F1/精确率/召回率评估结果
数据来源
Rare Diseases Mining项目（https://idefine-europe.org/medline）
适用场景
- 罕见病文本分类研究：用于训练和评估罕见病相关文献的自动分类模型
- 医学文献标注分析：分析人工标注的MeSH标题与自动标注结果的差异，优化标注方法
- 罕见病数据可视化：支持罕见病相关科学论文和新闻文章的交互式数据可视化研究
- 医疗信息抽取：从文献中抽取罕见病相关的关键信息，辅助临床研究和决策
