QUAERO数据集卡片

QUAERO法国医学语料库最初是作为命名实体识别和规范化的资源开发的[1]。随后，它通过创建一个法语生物医学文本的标准化实体集，以在CLEF eHealth评估实验室中使用[2][3]而得以改进。

人工标注了一些MEDLINE标题和EMEA文档。标注过程是根据统一医学语言系统（UMLS）中的概念进行的：

根据以下UMLS语义组（Bodenreider和McCray 2003）定义的十种临床实体类型进行了标注：解剖学、化学物质和药物、设备、疾病、地理区域、生物、物体、现象、生理学、程序。

以全面的方式进行注释，因此标记了嵌套实体，并且实体可以映射到多个UMLS概念。特别是：（a）如果一个提及可以指代多个语义组，则应该标记所有相关的语义组。例如，在短语“预防复发”的短语中，“复发”一词应标注为“DISORDER”类别（CUI C2825055）和“PHENOMENON”类别（CUI C0034897）；（b）如果一个提及可以在同一语义组内指代多个UMLS概念，则应标注所有相关的概念。例如，在短语“强迫”病人（obsessive patients）中，“强迫”一词应标注为CUIs C0564408和C0338831（类别“DISORDER”）；（c）重叠的实体应仍然标注。例如，在短语“心肌梗死”中，“心肌”应标注为“ANATOMY”类别（CUI C0027061），而“心肌梗死”一词应标注为“DISORDER”类别（CUI C0027051）

QUAERO法国医学语料库BioC版本包含QUAERO法国医学语料库的一个子集，具体如下：

训练数据（CLEF eHealth 2015任务1b的训练数据中使用的BRAT版本）：

MEDLINE_train_bioc 文件：833个MEDLINE标题，以BioC格式标注了标准化的实体
EMEA_train_bioc 文件：3个EMEA文档，分成11个子文档，以BioC格式标注了标准化的实体

开发数据（CLEF eHealth 2015任务1b作为测试数据，CLEF eHealth 2016任务2作为开发数据中使用的BRAT版本）：

MEDLINE_dev_bioc 文件：832个MEDLINE标题，以BioC格式标注了标准化的实体
EMEA_dev_bioc 文件：3个EMEA文档，分成12个子文档，以BioC格式标注了标准化的实体

测试数据（CLEF eHealth 2016任务2作为测试数据中使用的BRAT版本）：

MEDLINE_test_bioc文件夹：833个MEDLINE标题，以BioC格式标注了标准化的实体
EMEA folder_test_bioc文件夹：4个EMEA文件，分成15个子文档，以BioC格式标注了标准化的实体

QUAERO法国医学语料库的此版本是通过使用Brat2BioC工具[ https://bitbucket.org/nicta_biomed/brat2bioc ]从原始的BRAT格式自动转换得到的BioC格式。

Antonio Jimeno Yepes，Mariana Neves，Karin Verspoor Brat2BioC：在brat和BioC之间进行转换的工具BioCreative IV track 1 - BioC：BioCreative互操作性倡议，2013

请注意，QUAERO法国医学语料库在CLEF eHealth挑战2015和2016中分发的原始版本以独立的BRAT格式提供。它与CLEF eHealth评估工具一起分发。这个QUAERO法国医学语料库的原始分发与[ https://quaerofrenchmed.limsi.fr ]是可分开获取的

有关任务或数据的所有问题都应发送至aurelie.neveol@limsi.fr

引文信息

@InProceedings{neveol14quaero, 
  author = {Névéol, Aurélie and Grouin, Cyril and Leixa, Jeremy 
            and Rosset, Sophie and Zweigenbaum, Pierre},
  title = {The {QUAERO} {French} Medical Corpus: A Ressource for
           Medical Entity Recognition and Normalization}, 
  OPTbooktitle = {Proceedings of the Fourth Workshop on Building 
                 and Evaluating Ressources for Health and Biomedical 
                 Text Processing}, 
  booktitle = {Proc of BioTextMining Work}, 
  OPTseries = {BioTxtM 2014}, 
  year = {2014}, 
  pages = {24--30}, 
}

作者:

bigbio

数据集大小:

36.42 KB