Noisy Medical Document 是一个面向 OCR 与医疗文档理解任务的噪声增强医疗文档图像数据集，旨在模拟真实医疗场景中扫描文档所面临的复杂噪声干扰问题，提升 OCR 模型与文档理解模型在真实环境下的鲁棒性与泛化能力，广泛应用于光学字符识别（OCR）、文档智能分析、医疗信息抽取、 LayoutLM 等文档模型微调、多模态模型评测以及医疗自然语言处理等研究与工程任务中。 该数据集包含 1,000 张高保真合成医疗文档图像，其中医院账单 500 张、出院小结 500 张，并配套提供完整的 JSON 结构化标注数据，所有图像均为合成数据，完全符合 HIPAA 隐私安全标准。

数据集构成

• 医院账单（Hospital Bills）：500 张，包含分项收费明细、 CPT 编码操作、保险调整及财务汇总
• 出院小结（Discharge Summaries）：500 张，包含病史（HPI）、住院过程、检验结果、用药记录、随访说明及电子医师签名

Citation

https://doi.org/10.34740/kaggle/dsv/16402426

@dataset{noisy_medical_docs_2026,
title={Noisy Medical Document Images – Hospital Bills & Discharge Summaries},
author={Devkumar Patel},
year={2026},
publisher={Kaggle},
url={https://www.kaggle.com/datasets/devp1866/noisy-medical-document-images-ocr}
}