数巨有谱数据集团
[01 · SHP-MED-09-059]

人群与模态平衡增强数据

按人群格和数据可用性档定向补齐的合成病例。均衡方案在生成之前先锁定:人群目标格、每格例数与来源画像分档。病例按格与档成套生成,各带人群属性、临床情境、模态清单与实际可读载荷。同一病例内的对象之间有显式配对边。逐格逐档记目标数与实际数,另配重复检查。用于训练集分层补齐、多模态流水线联调与分组表现核对。

合成数据与数据增强 · 评估与研究使用许可 · 更新日期 2026-08-05

19
实体
131
字段
4
实体关系
09
所属体系
[02 · 产品说明]

读懂数据结构与交付边界

以下内容来自产品说明书,包含数据拓扑、字段字典、脱敏样例、使用场景及定制方式。

[01]

数据产品概览

数量内容
实体19均衡方案 · 人群目标格 · 数据可用性档 · 生成运行 · 增强合成病例 · 人群属性 · 临床情境 · 增强动作 · 模态清单 · 模态对象 · 实际载荷 · 配对边 · 目标—实际指标 · 约束结果 · 重复检查 · 复核记录 · 数据划分 · 数据质量项 · 来源沿袭
字段131交付范围内的字段总数
实体关系4均衡方案连接四个人群目标格与三档数据可用性,每个格—档组合连接两个合成病例 · 病例连接人群属性、临床情境、模态清单与模态对象。同一病例另连实际可读载荷、配对边、增强动作、数据划分、约束与复核状态 · 每个模态对象必须恰有一条同病例的实际载荷,配对边只能连接同一病例内的对象 · 派生族与数据划分一一对应并同时锁定

交付与供应方式

  1. 数据集交付:清单 CSV/Parquet + 单一对象文件夹 + Meta.jsonl/Parquet
  2. API 调用
  3. Token 计量
  4. 数巨有谱可信数据空间连接器合约使用

权利与来源

  • 数据取得方式:数据资源持有方书面授权
  • 数据来源机构:医疗机构(含等级医院、社区医院及康复机构、疾控机构)
  • 数据加工机构:数巨有谱或数据资源持有方
  • 数据经营机构:数巨有谱(经营权权利人)
[02 · DATA CONTENT]

数据内容与字段结构

在同一位置切换字段字典、实体血缘与脱敏样例,避免重复铺陈造成页面过长。

数据血缘拓扑

实体与连接关系分层呈现:上方先识别全部数据对象,下方逐条阅读关系基数,避免连线交叠、标签遮挡或内容被裁切。

19 个实体18 条连接响应式完整展示

实体概览

核心实体以品牌蓝标识
01关联实体

均衡方案

目标人群与可用性定义

02关联实体

人群目标格

分格/目标与实际例数

03关联实体

数据可用性档

声明模态/二进制状态

04关联实体

生成运行

随机种子/规则版本

05核心实体

增强合成病例

格与档/派生族

06关联实体

人群属性

年龄带/出生性别

07关联实体

临床情境

情境正文/性质声明

08关联实体

增强动作

动作类型/独立样本判定

09关联实体

模态清单

声明数/实际数

10关联实体

模态对象

模态类别/二进制字节数

11关联实体

实际载荷

可读内容/测量值与单位

12关联实体

配对边

同病例内显式连接

13关联实体

目标—实际指标

逐格逐档目标与实际

14关联实体

约束结果

约束编码/检查状态

15关联实体

重复检查

精确重复/近重复

16关联实体

复核记录

复核状态/口径版本

17关联实体

数据划分

派生族不跨划分

18辅助实体

数据质量项

性质与口径

19辅助实体

来源沿袭

加工规则登记

连接关系

每条关系独占一行,基数置于两实体之间

实体 A01

均衡方案

目标人群与可用性定义

1—n
实体 B

人群目标格

分格/目标与实际例数

实体 A02

均衡方案

目标人群与可用性定义

1—n
实体 B

数据可用性档

声明模态/二进制状态

实体 A03

均衡方案

目标人群与可用性定义

1—n
实体 B

生成运行

随机种子/规则版本

实体 A04

人群目标格

分格/目标与实际例数

1—n
实体 B

增强合成病例

格与档/派生族

实体 A05

数据可用性档

声明模态/二进制状态

1—n
实体 B

增强合成病例

格与档/派生族

实体 A06

增强合成病例

格与档/派生族

1—1
实体 B

人群属性

年龄带/出生性别

实体 A07

增强合成病例

格与档/派生族

1—1
实体 B

临床情境

情境正文/性质声明

实体 A08

增强合成病例

格与档/派生族

1—1
实体 B

增强动作

动作类型/独立样本判定

实体 A09

增强合成病例

格与档/派生族

1—1
实体 B

模态清单

声明数/实际数

实体 A10

模态清单

声明数/实际数

1—n
实体 B

模态对象

模态类别/二进制字节数

实体 A11

模态对象

模态类别/二进制字节数

1—1
实体 B

实际载荷

可读内容/测量值与单位

实体 A12

增强合成病例

格与档/派生族

1—n
实体 B

配对边

同病例内显式连接

实体 A13

人群目标格

分格/目标与实际例数

1—n
实体 B

目标—实际指标

逐格逐档目标与实际

实体 A14

数据可用性档

声明模态/二进制状态

1—n
实体 B

目标—实际指标

逐格逐档目标与实际

实体 A15

增强合成病例

格与档/派生族

1—n
实体 B

约束结果

约束编码/检查状态

实体 A16

增强合成病例

格与档/派生族

1—1
实体 B

重复检查

精确重复/近重复

实体 A17

增强合成病例

格与档/派生族

1—n
实体 B

复核记录

复核状态/口径版本

实体 A18

数据划分

派生族不跨划分

1—1 病例整体归入一个划分,派生族不跨划分
实体 B

增强合成病例

格与档/派生族

核心实体关联实体1—1 / 1—n / n—1 表示关系基数
查看关系语义清单
基数关系语义
均衡方案1—n人群目标格方案之下的人群目标格
均衡方案1—n数据可用性档方案之下的数据可用性档
均衡方案1—n生成运行方案的历次生成运行,带种子与规则版本
人群目标格1—n增强合成病例病例按人群目标格归属
数据可用性档1—n增强合成病例病例按数据可用性档归属
增强合成病例1—1人群属性每例一组生成时直接赋值的人群属性
增强合成病例1—1临床情境每例一段临床情境
增强合成病例1—1增强动作每例一条增强动作与独立样本判定
增强合成病例1—1模态清单每例一份模态清单
模态清单1—n模态对象清单展开为具体模态对象
模态对象1—1实际载荷每个对象必须恰有一条实际可读载荷
增强合成病例1—n配对边同一病例内对象之间的显式配对边
人群目标格1—n目标—实际指标指标按人群目标格记目标与实际
数据可用性档1—n目标—实际指标同一指标再按可用性档拆开
增强合成病例1—n约束结果每例的约束检查结果
增强合成病例1—1重复检查每例的精确与近重复检查
增强合成病例1—n复核记录每例的历次复核记录
数据划分1—1增强合成病例病例整体归入一个划分,派生族不跨划分

均衡方案在生成之前就把目标定死。人群目标格、每格应有的例数与数据可用性档先行写定,病例再按格与档逐个生成。「该补多少」和「实际补了多少」始终在同一张表上对照。病例这一层挂人群属性、临床情境、增强动作与划分。模态分成清单与载荷两层:清单记声明对象数与实际对象数,载荷记真正可读的内容。跨模态连接只走同一病例内的显式配对边。目标—实际指标挂在人群格与可用性档的组合上,逐格逐档各记一对数。派生族与划分一一对应并同时定版,重复检查随病例交付。数据质量项与来源沿袭覆盖全部对象。

[03]

使用场景

按目标矩阵定向补齐欠采样人群格

医疗科技企业 · 训练集分层与少数人群补齐

  • 先定格后生成:人群维度定义与每格应有例数在生成之前写定。补给谁、补多少有明确依据
  • 目标与实际同表并列:每个人群格与每个格—档组合都有应有数与实有数两列。缺口一眼可见
  • 属性是生成时赋值:年龄带与出生性别标为生成时直接赋值
  • 每例带独立派生族:精确重复与近重复分别检查,结果随病例交付
  • 不含真实患者记录:方案声明真实患者交付数与真实分布统计数均为零。模型分层、切片与调参可先行推进;使用范围由使用方按本机构数据管理规定判定

获得:缺口可见、补齐可定向、扩量不靠复制的训练集分层输入

按数据可用性分档验证缺模态通路

医疗信息化企业 · 多模态数据流水线联调

  • 三档进料成套:仅结构化、结构化加文本、结构化加文本与表格测量,三档各自成组。同一条流水线可在三种进料条件下各跑一遍
  • 清单数必须等于载荷数:模态清单同时记声明对象数与实际对象数。两数是否相等,一看便知
  • 缺模态是常备分支:低档病例天然缺文本或缺测量,缺料处理逻辑可先在这批上验
  • 配对只认显式边:同一病例内的对象靠配对边相连,且不跨病例
  • 二进制档如实标零:影像、波形与病理的对象数与字节数都记为零。哪些通路本批不具备,一望而知

获得:三种进料条件、缺模态分支与配对口径都写在数据里的流水线联调输入

按人群分组切片查看模型表现差异

医院信息部门 · 智能应用的分组表现核对

  • 切片键随数据到手:年龄带与出生性别本身就是数据里的字段,按格出分不必另建一套标注
  • 各格样本量对齐:四个人群格配相同例数、每格每档也配相同例数,组间比较不被样本量差异带偏
  • 可比性由约束看住:除声明的人群属性与受控的临床差异外,各格任务条件保持一致
  • 结论口径写在数据里:指标状态限定为目标矩阵达成。分组结果只支撑「在这套目标格上表现如何」

获得:样本量对齐、结论口径明确的分组表现核对依据

样本量敏感性与缺失机制的可控实验

高校与科研机构 · 样本量与缺失数据方法研究

  • 两个维度可正交操纵:人群格与数据可用性档相互独立,可单独或联合改变而其余条件保持不动
  • 缺失是设计出来的:哪一档缺哪种模态由方案事先声明,缺失机制已知。可用于检验缺失数据处理方法的实际效果
  • 实验数据基座可逐批复现:生成运行带随机种子与规则版本。不同处理方法拿到的是同一批病例,差异只来自方法本身
  • 独立性可核:派生族与划分一一对应并同时定版,重复检查随病例交付

获得:维度可正交操纵、缺失机制已知、整批可重建的方法学实验数据基座

[04]

定制与定向

  • 是否支持定制:是
  • 均衡维度范围(单选):按单一人群维度 / 按多人群维度组合
  • 其他定制项(多选):人群目标格划分 / 数据可用性档设置 / 每格目标例数 / 模态组合 / 专病情境
  • 最低定制数量:500 例增强合成病例
  • 均衡方案定制:人群维度、目标格划分与可用性档组合按项目商定
  • 其他可定制项:与项目商务确定
[05]

去标识化与交付

  1. 直接标识符移除:姓名、证件号码、联系方式、住址
  2. 间接标识符不可逆映射:患者标识、就诊号、报告单号
  3. 时间平移:整体平移并保持时序与时间间隔
  4. 机构与医师信息去除或泛化
  5. 自由文本二次核查:叙述内容中的标识信息
  6. 可按项目追加 K-匿名等泛化处理,匿名化的判定与出具方式随项目约定
  7. 病例全部为自产合成内容,不承载真实个人属性与真实就诊记录
  8. 人群属性在生成时直接赋值
  • 加密通道交付:支持
[06]

关联数据集

  • SHP-MED-09-056 结构化电子病历合成数据——可作为均衡增强的实验数据基座的合成记录
  • SHP-MED-09-058 生成式临床难例与边界场景数据——同为合成侧的难例与边界补充
  • SHP-MED-07-048 医疗隐私、公平性与鲁棒性评测集——分组表现的评测对照
[07]

常见问题

人群与模态平衡增强数据包含哪些内容?

人群与模态平衡增强数据(SHP-MED-09-059)先锁定均衡方案:人群目标格、每格例数与来源画像分档。病例按格与档成套生成,各带人群属性、临床情境、模态清单与实际可读载荷,同一病例内的对象之间有显式配对边。逐格逐档记目标数与实际数。

平衡增强数据适合做什么?涉及真实患者吗?

人群与模态平衡增强数据(SHP-MED-09-059)用于训练集分层补齐、多模态流水线联调与分组表现核对。数据按均衡方案生成,不含真实患者记录;可否用于何种环境,由使用方按本机构数据管理规定判定。

样例能看到什么?交付形态是什么?

公开样例展示人群与模态平衡增强数据(SHP-MED-09-059)的一例病例:人群属性、临床情境、模态清单与实际载荷、配对边、增强动作与重复检查。交付为均衡方案与目标格清单加单一病例文件夹与元数据文件,另支持 API 调用。

起订量是多少?可以怎么定制?

人群与模态平衡增强数据(SHP-MED-09-059)起订量为 500 例增强合成病例,范围按单一人群维度或多人群维度组合确定。人群目标格划分、数据可用性档设置、每格目标例数、模态组合与专病情境可选配。

和哪些产品配合使用?

人群与模态平衡增强数据(SHP-MED-09-059)常以结构化电子病历合成数据(SHP-MED-09-056)为基座做定向补齐。分组表现的评测对照取医疗隐私、公平性与鲁棒性评测集(SHP-MED-07-048)。

[08]

获取方式

  • 有明确科研/临床项目:提供研究方向与所需字段范围,可先申请开源子集用于可行性验证。
  • 有明确数据智能场景:提供模型或应用场景,可先申请测试数据与接入方式完成联调。
  • 许可:评估与研究使用许可。

© 数巨有谱数据集团

[03 · 关联产品]

继续查看可连接的数据产品

按产品资料中登记的患者、就诊、事件或任务标识关系继续查看。