数据集概述
本数据集包含来自1164篇PMC开放获取（OA）神经疾病相关文献的1650个表格，采用国际文档分析与识别会议（ICDAR）格式结构化。同时提供分类CSV文件，将表格分为简单、复杂、极复杂三类。数据集共863个文件，以XML格式为主，支持生物医学文献表格识别任务的基准测试。
文件详解
- XML文件（862个）
- 文件名称：以PMC编号命名（如PMC3916938.xml、PMC4202772.xml等）
- 文件格式：XML
- 字段映射介绍：存储PMC开放获取文献中的表格数据，采用ICDAR格式结构化，包含文献ID、表格ID及表格内容信息
- 分类CSV文件
- 文件名称：table_classes.csv
- 文件格式：CSV
- 字段映射介绍：包含三列数据，分别为类别（0=简单、1=复杂、2=极复杂）、文献ID（document_id）、表格ID（table_id）
数据来源
PMC开放获取（OA）神经疾病相关文献
适用场景
- 生物医学文献表格识别算法评估：用于测试表格检测、结构提取算法在神经疾病文献中的性能
- 医疗数据结构化研究：探索生物医学文献中表格数据的标准化提取方法
- 神经疾病医疗信息挖掘：通过表格内容分析神经疾病相关的临床指标、实验数据等信息
- 医疗AI模型训练：作为训练数据，提升AI模型对生物医学复杂表格的理解能力
