这是什么
门诊诊室里的医患对话录音,配有标注后的转写文本,内容已去标识化。每段录音附音频规格:采样率、位深、声道、编码与时长。语种包括普通话及方言,录音所在科室按约定选取。
每段录音标明科室、语种与方言、说话人及其角色,角色分医生、患者、家属。转写按说话轮次切分,每句带起止时间与说话人。转写逐字进行,口语词与重复照录,咳嗽等非语音事件用方括号标注。
转写中出现的姓名、电话、住址、单位等个人信息,替换为类型标记,替换了哪些类型逐段登记,替换处在转写里以方括号标出,如“[姓名]”“[电话]”。每段录音还附转写复核方式。
长什么样
样本录音长 46.8 秒,来自呼吸内科门诊,普通话,单声道,16 kHz、16 bit 的 PCM WAV 文件。说话人两位,分别标为医生和患者。
分段共八句:医生依次问症状、痰色、发热与胸闷、吸烟与粉尘油烟接触;患者答咳嗽两周多、夜间加重,并说自己做厨师、油烟大,工作单位被替换为“[单位名称]”。复核栏写双人转写,分歧由第三人裁定。
看数据
字段
| 字段 | 含义 | 取值与格式 |
|---|---|---|
| 录音编号 | 单段门诊对话录音的唯一编号 | V 加 10 位数字,如 V2026031502 |
| 音频文件 | 录音文件名 | audio/<录音编号>.wav |
| 音频规格 | 采样率、位深、声道与编码 | 16 kHz,16 bit,单声道,PCM WAV |
| 时长 | 录音总时长 | 秒,保留 1 位小数 |
| 科室 | 录音所在门诊科室 | 如 呼吸内科、内分泌科、儿科 |
| 语种与方言 | 对话所用语言 | 普通话,或方言名称如 粤语、四川话 |
| 说话人 | 参与对话的人及其角色 | 数组,每项含说话人编号与角色:医生、患者、家属 |
| 分段 | 按说话轮次切分的语句 | 数组,每项含起止时间、说话人、转写文本 |
| 起止时间 | 该语句在录音中的位置 | 秒,保留 2 位小数 |
| 转写文本 | 逐字转写,含口语词与重复 | 中文;非语音事件用方括号标注,如 [咳嗽] |
| 去标识替换 | 转写中被替换的个人信息类型 | 如 [姓名]、[电话]、[住址] |
一条记录
{
"录音编号": "V2026031502",
"音频文件": "audio/V2026031502.wav",
"采样率(Hz)": 16000,
"位深(bit)": 16,
"声道": "单声道",
"编码": "PCM WAV",
"时长(秒)": 46.8,
"科室": "呼吸内科",
"语种与方言": "普通话",
"说话人": [
{
"编号": "S1",
"角色": "医生"
},
{
"编号": "S2",
"角色": "患者"
}
],
"分段": [
{
"起": 0.0,
"止": 3.12,
"说话人": "S1",
"文本": "您好,哪里不舒服?"
},
{
"起": 3.4,
"止": 9.85,
"说话人": "S2",
"文本": "医生,我咳嗽两个多礼拜了,嗯,晚上咳得厉害 [咳嗽]"
},
{
"起": 10.2,
"止": 14.06,
"说话人": "S1",
"文本": "有痰吗?痰是什么颜色的?"
},
{
"起": 14.3,
"止": 19.72,
"说话人": "S2",
"文本": "有一点,白的,有时候黏黏的,不好咳出来。"
},
{
"起": 20.05,
"止": 25.4,
"说话人": "S1",
"文本": "发不发烧?有没有胸闷、喘不上气?"
},
{
"起": 25.66,
"止": 31.1,
"说话人": "S2",
"文本": "不发烧,就是咳起来胸口有点闷。"
},
{
"起": 31.48,
"止": 38.92,
"说话人": "S1",
"文本": "抽烟吗?家里或者单位有没有粉尘、油烟这些?"
},
{
"起": 39.2,
"止": 46.8,
"说话人": "S2",
"文本": "不抽烟,我在 [单位名称] 做厨师,油烟是挺大的。"
}
],
"去标识替换": ["[单位名称]"],
"转写复核": "双人转写,分歧处由第三人裁定"
}样本
内容与字段
- 领域
- 医疗真实世界
- 类别
- A 真实世界临床记录
- 形态
- 语料库
- 样本获取
- 申请后提供
页内展示的是样本预览;完整样本按“样本获取”一栏的方式提供。
语种与方言
普通话及方言
科室按需
持续增加
- 01
说明
工作 目标 提供任务或研究问题、所需资料、使用阶段与预期交付格式。
- 02
核对
样本 与 条件 确认来源、使用范围、内容覆盖、版本与缺失,区分已有材料和需加工的部分。
- 03
约定
试制 与 接收 按项目确认批次、质量检查、验收方式与交付安排。