Licens sundhedspleje/medicinske data af høj kvalitet til AI- og ML-modeller
Off-the-shelf Healthcare/Medical Datasæt for at sætte gang i dit Healthcare AI-projekt
Tilslut de medicinske data, du har manglet i dag
Medicinske og sundhedsmæssige datasæt til maskinlæring
Læge diktat lyddata
Vores afidentificerede datasæt til sundhedspleje omfatter 31 forskellige specialitets lydfiler dikteret af læger, der beskriver patienters kliniske tilstand og behandlingsplan baseret på læge-patient-møder i kliniske omgivelser.
Off-the-Shelf Læge Dikteringslydfiler:
- 257,977 timers virkelige lægedikteringstaledatasæt fra 31 specialiteter til at træne Healthcare-talemodeller
- Dikteringslyd optaget fra forskellige enheder som telefondiktering (54.3 %), digital optager (24.9 %), talemikrofon (5.4 %), smarttelefon (2.7 %) og ukendt (12.7 %)
- PII-redigeret lyd og transskriptioner, der overholder Safe Harbor-retningslinjerne i overensstemmelse med HIPAA
Transskriberet lægejournal
Transskriberet sygejournal refererer til transskription af læge- og patientsamtale, transskription af lægerapporter og lægelig vurdering. Det hjælper med at kortlægge patientens sygehistorie til fremtidige besøg og fungerer også som et referencepunkt for lægerne. Det hjælper med at evaluere patientens nuværende tilstand og foreslå en passende behandling.
Off-the-shelf transskriberede lægejournaler:
- Transskription af 257,977 timers lægediktation fra den virkelige verden fra 31 specialer for at træne Healthcare-talemodeller
- Transskriberede lægejournaler fra forskellige arbejdstyper som operationsrapport, udskrivningsoversigt, konsultationsnotat, indlæggelsesnotat, ED-notat, kliniknotat, radiologirapport osv.
- PII-redigeret lyd og transskriptioner, der overholder Safe Harbor-retningslinjerne i overensstemmelse med HIPAA
Electronic Health Records (EPJ)
Elektroniske journaler eller EPJ er medicinske journaler, der indeholder patientens sygehistorie, diagnoser, recept, behandlingsplaner, vaccinations- eller immuniseringsdatoer, allergier, røntgenbilleder (CT-scanning, MR, røntgenstråler) og laboratorietests og mere.
Off-the-Shelf Electronic Health Records (EPJ):
- 5.1M + optager og lægefilmfiler i 31 specialiteter
- Medicinske journaler fra den virkelige verden til at træne Clinical NLP og andre Document AI-modeller
- Metadataoplysninger som MRN (Anonymiseret), Indlæggelsesdato, Udskrivningsdato, Opholdslængde, Køn, Patientklasse, Betaler, Finansklasse, Stat, Udskrivningsdisposition, Alder, DRG, DRG Beskrivelse, $ Refusion, AMLOS, GMLOS, Risiko for dødelighed, sygdoms sværhedsgrad, grouper, hospitals postnummer osv.
- Lægejournaler fra forskellige amerikanske stater og regioner - Nordøst (46%), Syd (9%), Midtvest (3%), Vest (28%), Andre (14%)
- Lægejournaler, der tilhører alle dækkede patientklasser - indlæggelse, ambulant (klinisk, genoptræning, tilbagevendende, kirurgisk dagpleje), nødsituation.
- Lægejournaler tilhørende alle patientaldersgrupper <10 år (7.9%), 11-20 år (5.7%), 21-30 år (10.9%), 31-40 år (11.7%), 41-50 år (10.4% ), 51-60 år (13.8%), 61-70 år (16.1%), 71-80 år (13.3%), 81-90 år (7.8%), 90+ år (2.4%)
- Patient kønsforhold på 46 % (mand) og 54 % (kvinde)
- PII-redigerede dokumenter, der overholder Safe Harbor-retningslinjerne i overensstemmelse med HIPAA
CT Scan billeddatasæt
Læger bruger CT-scanningsbilleder til at diagnosticere og opdage unormale eller normale tilstande i en patients krop. I den computeriserede billedbehandlingsdiagnose gennemgår et CT-scanningsbillede sofistikerede faser, nemlig erhvervelse, billedforbedring, udtrækning af vigtige funktioner, identifikation af interesseområde (ROI), resultatfortolkning osv.
Shaip leverer højkvalitets CT-scanningsbilleddatasæt, der er afgørende for forskning og medicinsk diagnose. Vores datasæt omfatter tusindvis af billeder i høj opløsning indsamlet fra rigtige patienter og behandlet med avancerede teknikker. Disse datasæt er designet til at hjælpe medicinske fagfolk og forskere med at forbedre deres viden og forståelse af forskellige medicinske tilstande, herunder kræft, neurologiske lidelser og hjerte-kar-sygdomme.
MRI billeddatasæt
Computervisionsmodeller er designet til at udlede meningsfuld information fra digitale billeder og videoer. Det tillader omfattende brug af billeddata fra sundhedssektoren for at give bedre diagnose, behandling og forudsigelse af sygdomme. Det kan bruge kontekst fra billedsekvensen, tekstur, form og konturinformation, såvel som tidligere viden, til at producere 3D- og 4D-information, der hjælper med at forbedre menneskelig forståelse. Ligesom CT-scanninger bruges MRI'er også til at diagnosticere og opdage unormale eller normale tilstande i en patients krop (dvs. til at identificere sygdom eller skade i forskellige kropsdele).
Shaip leverer højkvalitets MRI-billeddatasæt fra rigtige patienter og behandlet med state-of-the-art teknikker.
X-Ray billeddatasæt
Røntgentest bruges til at verificere objektets indre struktur og integritet. Røntgenbilleder af et testobjekt kan genereres ved forskellige positioner og forskellige energiniveauer for at diagnosticere og opdage unormale tilstande i en patients krop.
Shaip leverer højkvalitets røntgenbilleddatasæt, der er afgørende for forskning og medicinsk diagnose. Vores datasæt omfatter tusindvis af billeder i høj opløsning indsamlet fra rigtige patienter og behandlet med avancerede teknikker. Med Shaip kan du få adgang til pålidelige og nøjagtige medicinske data for at forbedre din forskning og forbedre patientresultater.
Kan du ikke finde det, du leder efter?
Nye hyldevare medicinske datasæt bliver indsamlet på tværs af alle datatyper
Kontakt os nu for at give slip på dine bekymringer om dataindsamling af sundhedstræning