호주 의료 PDF 5천개 공개

호주 의료 문서 학습 데이터 공백을 겨냥한 합성 PDF 5,000개가 공개됐다.

NSW Health 병원 양식과 GP 클리닉 문서 스타일을 따르는 재현 가능한 Python 파이프라인으로 생성했으며, 모든 엔터티는 가짜다. 각 문서 하단에는 "SYNTHETIC TRAINING DOCUMENT - NOT FOR CLINICAL USE" 문구를 넣었다.

• 45개 문서 유형: 퇴원 요약서, 응급실 평가, 의뢰서, 병리 보고서, 처방전, 정신건강 평가, 마취 기록 등
• 4개 품질 티어: clean, scanned, poor, fax
• 정답 데이터: ground_truth.csv의 bboxes_json과 문서별 bboxes.jsonl에 필드별 (x, y, w, h, page) 좌표 제공
• 무료 샘플: 50문서, 29개 유형, 682개 bbox 주석, scanned 27개·clean 16개·poor 6개·fax 1개

LayoutLMv3, Donut, DocFormer 같은 문서 VLM·OCR 학습용으로 바로 쓸 수 있게 설계됐고, 라이선스는 CC-BY-NC 4.0다.