PIKG 医疗数据来源及类型：全面覆盖肺部影像学知识

PIKG 支持多种典型的医疗数据来源，涵盖经典专著、医院业务数据库以及网络医学知识库等，以全面覆盖与肺部影像学相关的各类知识。数据格式可划分为三类：非结构化、半结构化和结构化。

非结构化数据包括各种格式的文档、图像、音视频等，无固定结构，一般直接以二进制格式整体存储。本文收集的非结构化数据来自医学专著和知名医学网站，共计 108 万字和 5557KB 幻灯片。

半结构化数据是介于完全结构化和非结构化数据之间，包含相关标签以分隔语义元素和层次化的记录和字段。本文收集的半结构化数据共 17346 字，来源于医院信息系统数据库和医学网站。

结构化数据是可用关系型数据库表示和存储的数据，以二维表逻辑表达实现，具有规律性，便于查询和修改操作。本文收集的数据类型见表 3.1，其中 '非' 表示非结构化数据，'半' 表示半结构化数据。

在数据收集后，PIKG 对非结构化数据进行加工处理，转换为文本文档并进行校对、切分，以便于后续标注工作。对于半结构化和结构化数据，则可直接进行标注和应用。