多模态医疗保健数据集：患者记录

摘要：多模态医疗保健数据集结合患者临床记录（CSV）和五类医学影像（腹部/胸部/头部 CT、胸部/手部 X 光），专为医学影像分类和多模态医疗研究而构建。

数据集简介

数据集概述

多模态医疗保健数据集：患者记录（Multimodal Healthcare Dataset: Patient Records）是一个结合临床患者记录和医学影像的综合性医疗数据集，专为医疗保健分析、医学影像和机器学习应用研究而设计。数据集将存储在 CSV 文件中的结构化患者信息与五个医学影像文件夹相结合，涵盖腹部 CT、胸部 CT、头部 CT、胸部 X 光片（CXR）和手部 X 光片。患者元数据包含人口统计信息、医院信息、既往病史、入院详情、账单信息、用药情况和检验结果等字段，方便研究人员探索临床属性与影像数据之间的关系。支持医学图像分类、疾病预测、多模态学习和医疗保健研究等应用。

数据结构与模态特征

数据集采用结构化表格数据加分类影像的双模态架构。患者元数据（patients.csv） 包含患者 ID、姓名、年龄、性别、血型、医疗状况、入院日期、医生、医院、保险公司、账单金额、房间号、入院类型、出院日期、药物和测试结果等字段，提供完整的临床背景信息。医学影像文件夹按解剖部位和成像模态分类：AbdomenCT/ 包含腹部 CT 扫描用于腹部器官分析，ChestCT/ 包含胸部 CT 扫描用于胸腔影像学检查，HeadCT/ 包含头部 CT 扫描用于脑部和神经影像分析，CXR/ 包含胸部 X 光片用于肺部和呼吸系统疾病分析，Hand/ 包含手部 X 光片用于骨骼结构和骨折分析。这种按解剖区域组织的结构便于特定部位的影像分析和跨部位的对比研究。

应用价值与研究方向

该数据集支持多个医疗人工智能和临床研究方向，包括医学图像分类、疾病预测模型开发、医疗保健数据分析、多模态机器学习以及临床研究和 AI 开发。研究人员可以训练深度学习模型对不同解剖部位的影像进行自动分类和病变检测，开发融合临床数据和影像特征的疾病预测系统，或构建多模态诊断模型整合患者病史、检验结果和影像表现。数据集的多解剖部位覆盖使其适用于迁移学习研究，探索跨部位影像识别的知识迁移。通过提供完整的临床背景信息（入院类型、用药、检验结果），数据集支持临床决策支持系统开发和医疗资源优化研究，为智慧医疗、计算机辅助诊断和精准医学提供数据基础。

数据集来源

该数据集整合结构化患者临床记录（CSV 文件，包含人口统计、医疗状况、入院详情、账单、用药、检验结果）和五类医学影像文件夹（腹部 CT、胸部 CT、头部 CT、胸部 X 光、手部 X 光），专为医学影像分类、疾病预测和多模态医疗保健研究而构建。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-66
文件大小：78M
原创声明：本数据集为整理作品