5000+ продольных общих мозаичных данных · 3 года продолжительность времени?? 8+ 7 медицинских изображений мозаики МКБ-10-CN закодированная карта
Высококачественные продольные многомодульные клинические наборы данных для обучения по временным рядам и рассуждениям для крупных медицинских моделей.Каждый случай объединяет структурированные медицинские записи, клинические документы, медицинские изображения, тестирование, записи о лекарствах, патологические отчеты и количественные шкалы, набрав семь больших моделей данных, с полными клиническими треками в хронологическом порядке в каждый момент времени для одного и того же пациента.
| Имя набора данных | 长时序MultimodularКартыНабор данных（Longitudinal Multimodal Electronic Health Records Dataset） |
|---|---|
| Total Scale | Не меньше, чем 5,000 例Квалифицированные случаи, охватывающие 8 основных фокусных единиц + дополнительные штаммы специалистов |
| Time Span | 3-летний вертикальный контрольный отчет по каждому случаю, по крайней мере 2 посещения / испытания / лечение / последующее наблюдение в разных точках |
| Сроки представления данных | 2016-2025 гг. (приоритет для пациентов с полными медицинскими записями и данными наблюдения) |
| Department Coverage | Онкология + ICU / психопатология / Уши, нос и горло / гинекология и гинекология / ревматология |
| 数据模态 | Структурированные медицинские записи — медицинские изображения — медицинские тесты — медицинские записи — отчеты о патологии — количественные оценки |
| Imaging Modality | CT MIS PT-CT Ultrasity ENDRIGHT X-L/DR Патология |
| Стандарт кодирования | ICD-10-CN Диагностическая карта кода с оригинальным кодом МКБ, версией кода и правилами карты |
| Стандарты качества | Ключевой уровень заполнения поля 95% % общая скрулизация 10% специализация видео % двойная диссенсибилизация |
| Требования к соблюдению | Закон о защите личной информации, Закон о безопасности данных, соответствует полному объему дезинформации и данных, чтобы не покидать страну. |
| Сценарии применения | Медицинские мегамодели временных рядов обучения • Вертикальное прогнозирование эффективности • Клиническое моделирование траектории • Исследования полимодулярной интеграции • Прогнозирование прогрессирования заболевания |
| Supply Format | 硬盘 · 云盘 · API · 数据基础设施 |
| поставщик | Changsha Langhui Information Technology Co., Ltd. |
Основное различие в значении этого набора данных заключается в том, чтоДолгосрочная релевантность последовательностиКаждый подходящий случай не только соответствует трехлетнему временному горизонту, но, что более важно, существует последовательная внутренняя корреляция между диагнозом, консультацией, тестированием, обследованием, лекарствами, документами, изображениями, патологией, статистикой и информацией о конце жизни в пределах одного и того же пациента, который может быть восстановлен в хронологическом порядке до основной клинической траектории.Временные ряды рассуждений(временная подготовка)
Хронические или прогрессирующие заболевания, такие как ХОБЛ, ВЗК, цирроз, ХБП, диабет 2 типа, болезнь Паркинсона, болезнь Альцгеймера и т. Д., Приоритет отдается предоставлению более длинных данных временных рядов.
Видеоотчеты ссылаются на предыдущие данные «сопоставимого предфильма» и «отношения» по сравнению с предыдущим, и обеспечивают, по мере возможности, соответствующие проверки и отчеты, гарантирующие непрерывную прослеживаемость основных клинических треков.
Один и тот же пациент может быть прослежен до присутствия одного и того же пациента.
2019.03 • Первый диагноз · Прием в больницу + Диагностика (МКБ-10:С34.1) + КТ грудной клетки + патологическая биопсия + исходный уровень
2019.05 • Послеоперационный цикл химиотерапии 1 • запись о препарате + тест (кровяной рутинный / пастальная функция) + КТ обзор + запись о патологии
2020.03 • Годовое наблюдение • КТ предварительного сравнения + маркер онкологии + физический счет (ЭКОГ) + документ наблюдения
2021.06 · 2-летний обзор · МРТ + ПЭТ-КТ + патология + скорректированная на лекарственные средства запись + качество жизни
2022.09 • Последнее наблюдение · Оценка изображения + Последний препарат + Общий рекорд выживаемости
7 мозаик данных интегрированы для каждого подходящего случая, причем основной стандарт принятия являетсяВнутренняя релевантность нескольких типов данных при одном и том же пациенте, одном и том же посещении, одном и том же обследовании или одном и том же леченииВсе режимы являются проверяемыми звеньями связи по номеру нечувствительного пациента, номеру консультации, номеру обследования, номеру отчета, индексу документа.
Запись диагноза (ICD-10-CN), клиническая / больничная запись, результаты теста, запись обследования, журнал лекарств, хирургическая / оперативная запись.
Полный текст гарантируется без серьезных перерывов.
КТ/МРТ/ПЭТ-КТ (Dinox DIC), УЗИ/эндоскоп (оригинальный формат), рентген/ДР (DICOM), патология WSI (SVS/NDPI/TIFF/KFB).
Название препарата, доза, частота, маршрут доставки, время начала и запись корректировки на основе лекарств.
Патологические диагностические отчеты, результаты иммуногрупп, молекулярные / генетические тесты и фазы TNM.
Специализированные таблицы оценки для NIHSS, mRS, NYHA, LVEF, ECOG, APACHE II, SOFA, DAS28, SLEDAI и т.д., поддерживают вертикальную оценку эффективности.
Вы также можете проверить результаты анализов крови, биохимических веществ, коагуляции, опухолевых маркеров, микроорганизмов, генетики и т. Д., И функциональные тесты.
Последующее наблюдение, выживание, рецидив/перенос и осложнения. Поддерживать обучение моделированию прогрессирования заболевания и модели прогнозирования.
| 数据模态 | Доставка | Требования к формату | Ключи ассоциации |
|---|---|---|---|
| Structuredданные | Диагностика (ICD-10-CN), консультация, тестирование, обследование, медикаментозное лечение, хирургические записи | CSV / Excel / База данных | patient_id + encounter_id |
| Клинические документы | Прием в больницу, выписки, медицинские записи, записи о переносе, полные хирургические записи | Text / PDF | patient_id + encounter_id |
| CTВизуализация | Тонкие + толстые последовательности общего слоя, предпочтительные матрицы 512 x 512, сохраняют информацию о фазе | 脱敏DICOM | study_id + series_id |
| MRIВизуализация | T1WI/T2WI/FLAIR/DWI/ADC/Усиленные последовательности, сохранение описания последовательности и параметров сканирования | 脱敏DICOM | study_id + series_id |
| PET-CT | ПЭТ соответствует последовательности КТ, сохраняя интеграцию и метаболическую информацию внедорожника | 脱敏DICOM | study_id + series_id |
| Ультразвук/надзор | Статические изображения + динамическое видео, отчеты об инспекциях ассоциаций и ключевые измерения | DICOM / Оригинальный экспорт | study_id + report_id |
| PathologyWSI | Цифровое изображение с полным срезом, множитель удержания/масштаб/хромосомный тип/номер срезов | SVS / NDPI / TIFF / KFB | study_id + report_id |
| Medication Records | Название, доза, частота, маршрут доставки, время начала | CSV/ Таблица баз данных | patient_id + encounter_id |
Количество единиц и заболеваний распределяется целевым образом, а окончательная структура доставки основана на взаимно подтвержденном списке поставок.
| Раздел/категория | Целевой коэффициент | Количество рекомендаций | Спектр сфокусированных заболеваний | Базовые информационные требования |
|---|---|---|---|---|
| онкология | Около 35-38% | 1,750-1,900 | Рак легких, рак молочной железы, рак толстой кишки, рак печени, рак желудка, съедобный рак, карцинома шеи, рак поджелудочной железы, рак яичников и т.д. | Отчеты об изображениях, периодические отчеты, патологические отчеты; молекулярные / иммунологические показатели, доступные на реалистичной основе |
| Сердечно-сосудистый | Около 20-22% | 1,000-1,100 | Ишемическая болезнь сердца / острый инфаркт сердца, пост-PCI, сердечная недостаточность, дрожь в комнате и т. Д. | Коронарная артерия, ультразвуковое исследование сердца, электрокардиограмма, спектр миазы сердца, LVEF, NYHA |
| неврология | Около 13-15% | 650-750 | Иллюстративные, геморрагические, болезни Паркинсона, когнитивные расстройства / ацхаймеров и т. Д. | Головная КТ/МРТ, описание заболевания, NIHSS, mRS, когнитивная/моторизованная таблица |
| Дыхательный отдел | Приблизительно 7-8 процентов | 350-400 | ХОБЛ, бронхиальная астма, доступ сообщества к пневмонии, расширение бронхов и т. Д. | Функция легких, изображение грудной клетки, оценка степени или контроля симптомов |
| Секция несварения | 约6%-7% | 300-350 | Печеночный цирроз, ВЗК, язва пищеварения, ГЭРБ и т.д. | Отчеты о желудке / кишечнике / изображения, патологические отчеты, рейтинги функции печени, рейтинги активности заболевания |
| нефрология | 约6%-7% | 300-350 | CKD, диабетический нефроз, болезнь почек в конце жизни, диализ, после трансплантации и осложнения и т. Д. | eGFR, UACR, анализы мочи, функция почек, патология почек, записи диализа |
| Эндокринология | Около 5-6 процентов | 250-300 | Сахарный диабет 2 типа и осложнения, щитовидные железы / функциональные аномалии / опухоли, остеопороз и т. Д. | HbA1c, записи сахара в крови, диагностика осложнений, функция щитовидной железы / ультразвук, плотность костной ткани |
| Кровь. | Около 3-4% | 150-200 | Лейкемия, лимфома, множественный остеопороз и т.д. | Остеомимиясталгия/жизнь, поток, FISH, стратификация/скоринг, серопротеиновое электронное плавание |
| Другие специализированные добавки | ≤3% | ≤150 | ICU (суспензивный / АРДС), психиатрическая, оральная, офтальмологическая, ухо, нос и горло, гинекология и акушерство, ревматизм иммунизация | Осуществление согласно перечню подтверждений сторонами |
| Всего | 100% | ≥5,000 | 8 ключевых разделов + 7 дополнительных специалистов | |
Если вам нужно сопоставить с МКБ-10-CN, предоставьте правила карты, источники карт и поля до и после увеличения.
Результаты могут быть обобщены по разделам, спектру заболеваний, коду МКБ, названию диагностики, количеству случаев, временной интервалу и охвату модели данных.
Данные изображения используются для обучения ИИ, отдавая приоритет доставке тонких, сырых разрешений и полных данных последовательности. Проект охватывает мультипатологические, многомерные, многоисторические данные, без использования одного слоя толстых порогов в качестве условия для доступа к ядру. Изображения типа DIOCOM сохраняют ключевые метаданные и информацию пространственного позиционирования, необходимую для обучения ИИ.
| ВизуализацияType | Delivery Format | Ключевые технические требования |
|---|---|---|
| CT | 脱敏DICOM | Приоритетная последовательность тонкого слоя и исходная толщина слоя/пиксельный интервал; тот же тонкий слой исследования + обычная толщина слоя, доставленная одновременно, насколько это возможно; матричный таллий 512 x 512; расширенное изучение информации о фазе удерживания периода |
| MRI | 脱敏DICOM | Сохранение основных диагностических последовательностей, таких как T1WI/T2WI/FLAIR/DWI/ADC/enhanced; серийное название, местоположение сканирования, толщина слоя, идентифицируемое расстояние между пикселями |
| PET-CT | 脱敏DICOM | ПЭТ соответствует последовательности КТ, сохраняя интеграцию; отчет/метаданные отражают метаболическую информацию, такую как внедорожник. |
| X-line/DR | 脱敏DICOM | Сохранить место доставки, проверить деталь, размер пикселя и ассоциацию отчетов; не может быть заменен предварительным просмотром с низким разрешением |
| Ultrasound | DICOM/Video/Предварительный экспорт | Статические изображения + динамическое видео; отчеты об инспекции связи, ключевые измерения, детали и выводы сохранены |
| 内镜 | Оригинал изображения/видео/системный экспорт | Ведение сайтов осмотра, времени, отчетов/записей, ключевых изображений/видео; установление патологической переписки |
| PathologyWSI | SVS/NDPI/TIFF/KFB | Сохранить кратные, масштабы, уровни сканирования, типы красителей, номера срезов; приоритетные H & E и диагностические срезы |
StudyInstanceUID, SeriesInstanceUID, SOPInstanceUID, AccessionNumber
ImagePositionPatient, ImageOrientationPatient, SliceLocation, FrameOfReferenceUID
Rows, Columns, PixelSpacing, SliceThickness, SpacingBetweenSlices
KVP, Exposure/mAs, ConvolutionKernel, Pitch, Manufacturer, ModelName
Десенсибилизация не удаляет ключевые поля, которые влияют на использование 3D-реконструкции, серийного распознавания, пространственного позиционирования и обучения.
{
"patient_id": "LH_PT_2024_003172",
"demographics": {
"gender": "M",
"age_at_baseline": 58,
"age_unit": "year"
},
"primary_diagnosis": {
"icd_code_original": "C34.1",
"icd_version": "ICD-10",
"icd_code_mapped": "C34.1",
"diagnosis_name": "肺上叶恶性肿瘤",
"department": "肿瘤科",
"disease_spectrum": "实体瘤-肺癌"
},
"temporal_trajectory": {
"time_span_years": 3.5,
"encounter_count": 8,
"first_record_date": "2019-03-15",
"last_record_date": "2022-09-20",
"encounters": [
{
"encounter_id": "ENC_001",
"date": "2019-03-15",
"type": "inpatient",
"department": "肿瘤科",
"phase": "baseline_diagnosis",
"linked_data": {
"clinical_notes": ["入院记录", "首次病程", "出院小结"],
"imaging": [
{"study_id": "IMG_CT_001", "modality": "CT", "body_part": "CHEST", "report_id": "RPT_001"}
],
"pathology": [
{"report_id": "PATH_001", "type": "biopsy", "finding": "非小细胞肺癌，腺癌"}
],
"lab_results": ["血常规", "生化", "肿瘤标志物"],
"medications": [],
"scales": [{"name": "ECOG", "score": 1}]
}
},
{
"encounter_id": "ENC_004",
"date": "2020-03-10",
"type": "outpatient",
"phase": "follow_up_1y",
"linked_data": {
"imaging": [
{"study_id": "IMG_CT_004", "modality": "CT", "body_part": "CHEST",
"comparison": "对比前片IMG_CT_003", "report_id": "RPT_004"}
],
"lab_results": ["肿瘤标志物"],
"scales": [{"name": "ECOG", "score": 0}]
}
}
]
}
}
Другие организаторы
«Ид пациента»: «LH PT 2024 00317».
"Встречный идентификатор": "ENC 006",
"Учебное удостоверение".
"Сроки обучения": "2021-06-18Т09:30:00",
"Модальность": "МРТ",
"часть тела": "мозг",
«Описание исследования»: «МРТ подметание головы + улучшение»,
"серия":
Другие организаторы
"series id": "SER 006 01",
"Описание серии": "T1WI",
"толщина среза": 5,0,
"пиксельное расстояние": [5, 0,5],
"Вороны": 512,
"Колонны": 512,
"счет документов": 24,
"файловый путь": "пациент 00317/enc 006/mri/ser 01/"
{\cHFFFFFF}{\cH00FFFFFF}
Другие организаторы
"series id": "SER 006 02",
"Описание серии": "T2WI FLAIR",
"толщина среза": 5,0,
"пиксельное расстояние": [5, 0,5],
"Вороны": 512,
"Колонны": 512,
"счет документов": 24,
"файловый путь": "пациент 00317/enc 006/mri/ser 02/"
{\cHFFFFFF}{\cH00FFFFFF}
Другие организаторы
"series id": "SER 006 05",
Описание серии: T1WI+C
"толщина среза": 5,0,
"пиксельное расстояние": [5, 0,5],
"Вороны": 512,
"Колонны": 512,
"счет документов": 24,
"файловый путь": "пациент 00317/enc 006/mri/ser 05/",
"контрастный случай": "постконтрастный случай"
Прости меня.
Я не знаю.
"Ссылочный отчет": {
"report id": "RPT 006",
«Находки»: «Правая сторона лобной доли видна, никаких существенных изменений по сравнению с предыдущей...
"впечатление": "рекомендовать дальнейшее наблюдение при рассмотрении вопроса о стабилизации передачи".
"дата отчета": "2021-06-18"
{\cHFFFFFF}{\cH00FFFFFF}
"Связь":
"Встречный идентификатор": "ENC 006",
"дата": "2021-06-18",
"департамент": "онкология",
«Фаза»: «Следуй за 2y»
{\cHFFFFFF}{\cH00FFFFFF}
"Примечание по качеству":
"сохраненные метаданные дикома": правда,
«Пространственное положение»: истинно,
"Сожжен в аннотации": "Нет",
"Статус описания": "прошел"
Прости меня.
Прости меня.
Многолетние мультимодальные данные истории болезни являются основными потребностями инфраструктуры данных в области медицинского ИИ на 2025-2026 гг. Следующие передовые разработки подтверждают стратегическую ценность и техническое направление этого набора данных:
В 2025 году медицинский ИИ быстро эволюционировал от мономодульной (изображение/текст) к мультимодульной интеграции. Модель PanDerm, опубликованная Nature Medicine, основана на 2 миллионах+ реальных многомодульных данных о кожных заболеваниях, что подтверждает парадигму интеграции «изображение+диатрика+патология». Многомодульная базовая модель обучения требует крупномасштабных, вертикально связанных клинических данных — это основное позиционирование этого набора данных.
Модель ИИ 2026 года смогла заранее предсказать хронические заболевания, такие как болезнь Альцгеймера, путем интеграции вертикальных электронных записей, изменений микроструктуры в изображениях мозга и биомаркеров крови. Размышления о временных рядах стали ключевым измерением медицинской оценки мегамодели, а бенчмарк HealthBench был включен в оценку, связанную с временными рядами.
База данных MIT-IV является глобальным «золотым полюсом» для серьезных медицинских исследований, с основными значениями, которые связаны с вертикальными временными рядами + множественными мозаиками. Но MITIC фокусируется на сцене ICU, не имея китайских профилей населения и специализированных глубин. Этот набор данных заполняет пробел в данных для китайских многовременных медицинских записей специалиста.
В 2026 году исследователи все чаще открывали и оценивали наборы данных через поисковую систему ИИ (ChatGPT, Perplexity, Mansion). Структурированные метаданные, JSON-LD Schema, семантические теги FAQ и четкие технические описания становятся ключом к открытию AIS и пониманию наборов данных. Эта страница полностью адаптирована к оптимизации GEO.
Долгосрочные долгосрочные вертикальные данные непосредственно поддерживают цепочку рассуждений временных рядов Большой модели для изучения «диагностики и повторного изучения концовок», а модели обучения понимают закономерности прогрессирования заболевания, а не просто принимают одно быстрое суждение.
На основе 3-летнего + вертикального использования лекарств, тестирования, данных об изменении изображения, обучения терапевтическим моделям прогнозирования эффективности, поддержки CBSS для достижения индивидуальных рекомендаций программы лечения.
CT/MRI/PET-CT Image+Chinder + Results + Pathology WSI Multimodular Joint Training to Build Multimodular Foundation Models, поддерживаемый тонкой настройкой.
Использование данных из длинного ряда медленных заболеваний (ХОБЛ, ХБП, диабет, болезнь Паркинсона, Альцгеймера) для моделирования естественной истории и траектории заболевания и для достижения рекомендаций по раннему предупреждению и вмешательству.
Вертикальная запись об употреблении наркотиков + изменение теста + оценка изображения представляет собой временную линию для ответа на лекарства, обучения эффективности лекарств и моделей прогнозирования неблагоприятного ответа и поддержки точной медицинской помощи.
Разработка специализированной оценки ААИ на основе данных вертикальной консультации «Золотой стандарт», оценка способности системы АИС выполнять рассуждения временных рядов, многомодульные интеграции, вертикальную оценку эффективности и т.д.
Уровень заполнения ключевых полей - 95%, как указано в отчетах о качестве из-за отсутствия систем источника
Полные медицинские записи не должны быть серьезно отрезаны, а критическая медицинская информация не должна отсутствовать.
Изображения, тесты, лекарства, документы, диагноз можно отследить по номеру пациента и номеру консультации.
5% выборка общего случая, 10% выборка видео, охватывающая различные разделы / патологии / источник / период времени
Удалить имя, идентификационный номер, номер телефона, адрес, номер клиники, имя врача, несоставное название больницы
Метаданные DICOM/WSI, приватные метки, сжигающий текст в изображениях, синхронизирующие карты тегов
Поддерживать информацию обучения ИИ, необходимую для масштабирования, множителя, пространственного позиционирования, распознавания последовательностей
Данные не могут покидать страну в соответствии с Законом о защите личной информации, Законом о безопасности данных.
Этот набор данных требует, чтобы каждый случай длился три года и чтобы он содержал запись о посещениях по крайней мере двух или более различных точек времени, и чтобы информация о диагностике, тестировании, обследовании, лекарствах, документах, изображениях и конечных эффектах в пределах одного пациента была восстановлена в хронологическом порядке до основной клинической траектории.Обычный набор данных электронной истории болезни обычно представляет собой однодиагностический снимок, лишенный вертикальных временных рядов связей и не способный поддерживать обучение в моделях рассуждений временных рядов.
Поддерживает семь типов моделирования медицинских изображений для КТ, МРТ, ПЭТ-КТ, ультразвука, эндоскопии, рентгеновского излучения / ДР, патологических цифровых изображений с целым срезом (WSI). Изображения типа DICOM сохраняют необходимые метаданные для обучения _KEEP_core_labels и пространственного позиционирования (ImagePositint / ImageOrganizationPatient), параметры последовательности (параметры толщины истории / пикселя / сканирования).
Полный объем данных автоматизирован и десенсибилизирован вручную, удаляя идентифицируемую информацию, такую как имя пациента, идентификационный номер, номер телефона и т. Д. При сохранении оригинальных значений возраста для обеспечения аналитической ценности. Данные DIOCOM и WSI обрабатываются синхронно, частные ярлыки и сжигание изображений. Данные не могут покидать страну в соответствии с требованиями Закона о защите личной информации, Закона о безопасности данных.
Проект не требует маркировки результатов, таких как кадр, профиль, метка ручной классификации и т. д., если стороны не договорятся об ином в письменной форме.Основной упор при предоставлении видеоданных делается на оригинальность и внутреннюю актуальность - документацию изображений, отчеты об изображениях, записи об осмотре, номера пациентов и номера пациентов, и должны соответствовать друг другу и быть включены в долгосрочную цепочку лечения одного и того же пациента.
Основной сценарий включает: 1 обучение по временной последовательности большой медицинской модели (обучение обзору диагностического лечения причинно-следственной цепочки концов и последствий); 2 базовое обучение по многомодулярным моделям интеграции (комбинация изображений + клерикальное + тестирование + патология); 3 моделирование вертикальных прогнозов эффективности и прогрессирования заболевания; 4 прогнозы лекарственного ответа; 5-фармацевтический бенчмаркинг ИИ. Кодирующие карты МКБ-10-CN и стандартизированные словари данных набора данных поддерживают прямой доступ к основной рамочной программе обучения.
Пожалуйста, свяжитесь с экспертной группой по данным в Chang Longway Information Technology. 137-5502-0164или посещения www.langhuiai.com/Contact Программа является гибкой и адаптирована по разделам, болезням, шаблону, временному интервалу.
5000+ продольных суммарных данных симулятора 8 Большой раздел 7 Тип моделирования изображения МКБ-10-CN код 10 Коммерческое соответствие
• Медицинская служба данных AI Data Hole
Compliant Data · Customized Delivery · Professional Technical Support