医学自然语言处理相关资源整理

一、数据集

1. Yidu-N7K：医渡云标准化7K数据集
   数据集描述：Yidu-N4K 数据集源自CHIP 2019 评测任务一，即“临床术语标准化任务”的数据集。 临床术语标准化任务是医学统计中不可或缺的一项任务。 临床上，关于同一种诊断、手术、药品、检查、化验、症状等往往会有成百上千种不同的写法。 标准化（归一）要解决的问题就是为临床上各种不同说法找到对应的标准说法。 有了术语标准化的基础，研究人员才可对电子病历进行后续的统计分析。
2. 其他数据集
   除了Yidu-N7K数据集外，还有许多其他与医学自然语言处理相关的数据集，例如MIMIC-III、eICU等。这些数据集涵盖了不同的医学领域，如重症监护、心血管疾病等，为研究者提供了丰富的数据资源。
   二、开源工具和代码库
   1.spaCy
   spaCy是一个流行的自然语言处理库，提供了丰富的医疗NLP工具和功能，包括实体识别、关系抽取、命名实体链接等。它使用Python编写，具有高效性能和可扩展性。
   2.UMLS-AI Toolkit
   UMLS-AI Toolkit是一套强大的医学自然语言处理工具，基于开源机器学习框架构建。它提供了多种NLP任务所需的组件，如命名实体识别、关系抽取等，支持中文和英文等多种语言。
   3.MITRE Attribution Tree
   MITRE Attribution Tree是一个用于提取医学文献中因果关系的工具。它使用自然语言处理技术，从医学文献中提取出因果关系三元组，为研究者提供有关疾病病因和治疗方法的信息。
   4.PubMed Central NLP Suite
   PubMed Central NLP Suite是一套专门针对生物医学领域的自然语言处理工具。它提供了多种NLP任务所需的组件，如命名实体识别、关系抽取等，支持英文和中文等多种语言。此外，它还支持从PubMed Central等生物医学数据库中提取相关信息。
   三、总结
   通过了解和掌握这些医学自然语言处理相关资源，研究者可以更有效地开展医学自然语言处理研究，提高医疗数据的利用率和价值。在实际应用中，根据具体需求选择合适的数据集和工具，将有助于提高医疗服务的水平和效率。同时，随着技术的不断进步和应用需求的不断增长，未来将有更多优秀的医学自然语言处理相关资源涌现出来，为研究者提供更多的选择和机会。