Existing Medical QA Datasets

Ensembles de données médicaux QA et VQA existants

Question multimodale Réponse (QA) dans le domaine médical: résumé des ensembles de données et systèmes existants

• J'ai préparé ce résumé pour mon discours CMU / LTI sur QA multimodal. Mes diapositives sont disponibles sur https://www.slideshare.net/benabacha/multimodal-estion-answering-in-the-medical-domain-cmulti-2020

• Cette liste n'est pas exhaustive. Vous pouvez m'envoyer des liens et des références des ensembles de données et des systèmes de données médicales pertinents et je mettrai à jour la liste dès que possible. De plus, plusieurs ensembles de données liés aux défis ne sont plus accessibles au public. Vous pouvez contacter les organisateurs pour avoir les données.

*** Deux tâches principales: Question médicale Réponction (QA) et réponse visuelle Réponction (VQA) ***

I) Ensembles de données médicaux QA:

1. Corpus for Evidence Based Medicine Résumé (Mollá, 2010): https://sourceforge.net/projects/ebmsumcorpus
2. Tâche de Clef Qa4mre Alzheimer (Peñas et al, 2012).
3. Bioask DataSets (2012-2020): http://bioasq.org/participate/challenges
4. TREC LIVEQA-MED (Ben Abacha et al, 2017): https://github.com/abachaa/liveqa_medicaltask_trec2017
5. Ensembles de données MEDIQA-2019 sur NLI, RQE et QA (Ben Abacha et al., 2019): https://github.com/abachaa/mediqa2019
6. Ensemble de données de Mediqa-Ans des résumés de réponses axés sur les questions (Savery et al., 2020): https://osf.io/fyg46/ papier: https://www.nature.com/articles/s41597-020-00667-Z
7. Collection MedQuad de 47K QA paires (Ben Abacha et Demner-Fushman, 2019): https://github.com/abachaa/medquad
8. Collection des médicaments QA (Ben Abacha et al., 2019): https://github.com/abachaa/medication_qa_medinfo2019
9. Résumé des questions de santé des consommateurs (Ben Abacha et Demner-Fushman, 2019): https://github.com/abachaa/meqsum
10. EMRQA: QA sur les dossiers médicaux électroniques (Pampari et al., 2018). Scripts pour générer EMRQA à partir de données I2B2: https://github.com/panushri25/emrqa
11. Ensemble de données EPIC-QA sur Covid-19 (Goodwin et al., 2020): https://bionlp.nlm.nih.gov/epic_qa/
12. Biqa Corpus (Lamurias et al., 2020): https://github.com/lasigebiotm/biqa papier: https: //ieeexplore.ieee.org/document/9184044
13. Ensemble de données HealthQA (Zhu et al., 2019): https://github.com/mingzhu0527/har papier: https://dmkd.cs.vt.edu/papers/www19.pdf
14. Ensemble de données Mash-QA sur plusieurs réponses SURGES QUESTIONS DE SALES DE RÉPONDANCE, AVEC 35K PALAIRES QA (Zhu et al., 2020): https://github.com/mingzhu0527/mashqa papier: https://www.aclweb.org/anthology/2020.Findings-Emmlp.342.pdf
15. MEDMCQA: Un ensemble de données multi-sujets à grande échelle multi-sujets pour la réponse aux questions du domaine médical. (Pal et al., Chil, pmlr 2022): https://github.com/medmcqa/medmcqa Papier: https://proceedings.mlr.press/v174/pal22a.html

Ii) ensembles de données VQA médicaux (radiologie):

1. VQA-RAD (Lau et al. 2018): https://osf.io/89kps
2. VQA-MED 2018 (Hasan et al. 2018): https://www.aicrowd.com/challenges/imageclef-2018-vqa-med
3. VQA-MED 2019 (Ben Abacha et al. 2019): https://github.com/abachaa/vqa-med-2019
4. VQA-MED 2020 (Ben Abacha et al. 2020): https://github.com/abachaa/vqa-med-2020

Iii) Systèmes QA en ligne:

- J'ai recherché et testé plusieurs systèmes (par exemple AskHermes, MIPACQ, SIMQ). Cette liste comprend uniquement les systèmes qui sont encore entretenus.

1. CHIQA (Système de réponse aux questions de santé des consommateurs): Chiqa.nlm.nih.gov
2. Neural Covidex: Covidex.ai

Iv) ensembles de données médicales pertinents pour répondre aux questions:

1. Tâches partagées I2B2 (2006-2016): www.i2b2.org/nlp
2. N2C2 NLP Clinical Challenges (2018-2019): https://n2c2.dbmi.hms.harvard.edu https://dbmi.hms.harvard.edu/programs/national-nlp-clinical-challenges-n2c2
3. TREC Medical Records Track (2012-2013).
4. TREC Clinical Decision Assistance Track (2014-2016): http://www.trec-cds.org
5. Trec Precision Medicine Track (2017-2019): http://www.trec-cds.org
6. Clef ehealth (2013-2020): https://clefehealth.imag.fr
7. Ensemble de données Covid (Cord-19): https://www.kaggle.com/allen-institute-for-ai/cord-19-research-challenge

V) ensembles de données médicales pertinents pour VQA:

1. ImageClef Medical Automatic Image Annotation (2008-2009): https://www.imageclef.org/2008/medaat et https://www.imageclef.org/2009/medanno
2. Tâche de récupération d'image axée sur les utilisateurs médicaux ImageClelef (2011): https://www.imageclef.org/2011/MedicalUserOrientEd
3. Tâche de récupération médicale ImageClelef (2008-2012): https://www.imageclef.org/2012/Medical
4. ImageClef Amia: Medical Task (2013): https://www.imageclef.org/2013/Medical
5. ImageClefmed: Medical Classification (2015): https://www.imageclef.org/2015/Medical
6. ImageClef Medical Clustering (2015): https://www.imageclef.org/2015/clustering
7. ImageClefmed (2016): https://www.imageclef.org/2016/Medical
8. ImageClefcaption (2017-2020): https://www.imageclef.org/2017/caption
9. Tâches ImageClelefmedical (2019-2020): https://www.imageclef.org/2019/Medical et https://www.imageclef.org/2020/Medical
10. MIMIC-CXR DATABASE (2019): https://physionet.org/content/mimic-cxr/2.0.0/

Contact

 -  Asma Ben abacha (abenabacha at microsoft dot com)