广东省数据知识产权存证登记平台-证书详情

登记信息

超声检查与诊断文本机器学习数据集 已登记

数据申请号：

粤2026020403959
数据登记号：

SZ2026120005922.9
关键词：

超声检查；诊断文本；机器学习
登记时间：

2026-08-06
平台证书编号：

20260244000005922
数据处理者：

暂无
服务机构：

广州恒成智道信息科技有限公司
登记主体：

广州医科大学附属脑科医院
法院编号：

广州互联网法院 - e1403f004266904872f80b1768637e5ddb16a56172def3a5e4426fb8bf91cae7-749fc1a4;legalxchain

区块链信息

上链时间：

2026-07-27
所属区块链：

司法联盟链·广东省知识产权保护中心
证据指纹：

0003fce2205eee29b99278782316cf5ac929edc6838d2508cab34d38a66b8332afc7410111c32c425cdacdab2a1d1565e299e6aa134229e68b35670c60d9d8e6
区块链存证证书编号：

LXM-GDIPI-23202607276482259280

数据信息

数据简介

本数据集源于广州医科大学附属脑科医院的超声检查数据，数据在原始记录基础上，经过系统的清洗、规整、字段重构与标准化处理，形成了一份高质量的、以“所见-结论”为对应关系的结构化文本数据集。该数据集适用于训练与评估基于自然语言处理的医疗文本理解模型，尤其可为构建超声报告智能解读、辅助诊断生成、异常发现识别等机器学习应用提供高质量的标注语料。

数据来源：

自行产生
数据所属行业分类：

Q84 卫生

数据处理规则说明

1.结构化数据标准化。对分类字段进行规范化处理。将“申请科室”、“检查类型”、“检查名称”等字段中的同类异名词汇进行归并统一，日期时间字段被转换为标准的机器可读格式。 2.高级语义特征提取与诊断结论生成。“检查结论”字段被视为以“检查所见”文本为输入，通过应用深度医学知识（包括解剖学、病理学、影像诊断学）、模式识别能力（识别“高回声光团”、“管腔增宽”等关键描述）与临床推理规则（如将“肝内高回声光团，边界清，内部无血流信号”关联至“血管瘤可能”），最终生成总结性、诊断性文本的输出。 3.多模态数据融合处理。数据集中部分“检查所见”文本包含了半结构化或量化描述，在加工过程中，此类数值信息被保留于文本语境中，未进行单独的数值字段拆分，旨在维持报告文本的原始完整性，为模型学习文本中的量化语义关联提供条件。 4.数据脱敏处理。本数据集已对患者id进行脱敏处理，仅用于区分不同患者，无法追溯到具体个人，检查编号仅用于区分不同检查项目，无法追溯到患者个人，严格对患者个人信息进行保密。

应用场景描述

1.医疗文本挖掘与智能诊断辅助系统开发。本数据集为开发基于自然语言处理的超声报告智能分析系统提供了核心训练资源，可利用监督学习方法，训练模型学习从冗长、专业的“检查所见”描述中自动归纳生成简洁、准确的“检查结论”，实现报告自动总结。或构建分类模型，用于从“检查所见”中自动识别特定疾病或异常发现，为医师提供快速、一致的初步诊断提示，提升工作效率并减少漏诊风险。 2.多模态医疗数据融合分析与临床决策支持研究。数据集中的结构化字段与富含量化信息的非结构化文本相结合，为多模态机器学习研究提供了场景。研究者可以探索如何融合文本语义、检查元数据及内嵌的量化指标，构建更复杂的预测模型，为临床科研与精细化诊疗决策提供数据驱动的见解。

数据格式：

xlsx
数据更新频率：

月更新
数据量：

833

样例数据

见数据样例附件附件下载

数据结构样例

序号字段名称字段类型字段示例值 1 患者id VARCHAR(20) 0000001168 2 检查编号 VARCHAR(20) 0002925201 3 检查日期 DATETIME 2025-09-02 16:07:27 4 申请科室 VARCHAR(100) 精神科急诊(芳村) 5 检查类型 VARCHAR(50) 超声 6 检查名称 VARCHAR(200) 经腹子宫、双附件彩超检查 7 检查所见 TEXT 经腹超声探查： 2D：子宫切面大小、形态正常，肌层回声均匀，未见明显异常回声。宫内膜居中，厚约0.6cm。双侧附件区未见明显异常回声。 CDFI：子宫及双附件区未见明显异常彩色血流信号显示。 8 检查结论 TEXT 子宫、双附件区未见明显异常。

数据状态

2026-08-06

数据知识产权登记完成