Skip to content

JULIELab/jsyncc

Repository files navigation

JSynCC: Jena Synthetic Clinical Corpus

This is the software to create the corpus JSynCC 2.0, the second version of Jena Synthetic Clinical Corpus (April 2026).

Before Usage: Request Content of Corpus

  • Subscribe the following text books as PDF files and load them into the given directories:

    • 01: "Operationsberichte Orthopädie und Unfallchirurgie", Author / Editor: Siekmann, H., Irlenbusch, L., Klima, S., Publisher: Springer-Verlag, Edition: 2. Auflage, DOI: 10.1007/978-3-662-48881-2.
      • → store sources under source: books/01-Operationsberichte-Orthopaedie-und-Unfallchirurgie/978-3-662-48881-2.pdf
    • 02: "Operationsberichte Orthopädie: mit speziellen unfallchirurgisch-orthopädischen Eingriffen", Author / Editor: Siekmann, H., Klima, S., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-642-20790-7.
      • → store sources under source: books/02-Operationsberichte-Orthopaedie/978-3-642-20790-7.pdf
    • 03: "Operationsberichte Unfallchirurgie", Author / Editor: Siekmann, H., Irlenbusch, L., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-642-20784-6.
      • → store sources under source: books/03-Operationsberichte-Unfallchirurgie/978-3-642-20784-6.pdf
    • 04: "Operationsberichte für Einsteiger-Chirurgie: Operation vorbereiten—Bericht diktieren", Author / Editor: Hagen, M., Publisher: Georg-Thieme-Verlag, Edition: -, DOI: 10.1055/b-002-39790.
      • → store sources under source: books/04-Operationsberichte-fuer-Einsteiger/pdf
    • 05: "Fallbeispiele Notfallmedizin: Einprägsam-spannend-mit Lerneffekt", Author / Editor: Wenzel, V., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-662-47232-3.
      • → store sources under source: books/05-Fallbeispiele-Notfallmedizin/978-3-662-47232-3.pdf
    • 06: "Fallbuch Chirurgie: 140 Fälle aktiv bearbeiten", Author / Editor: Eisoldt, S., Publisher: Georg-Thieme-Verlag, Edition: 5., unveränderte Auflage, DOI: 10.1055/b-004-140674.
      • → store sources under source: books/06-Fallbuch-Chirurgie
    • 07: "Komplikationen in der Anästhesie", Author / Editor: Hübler, M., Koch, T., Publisher: Springer-Verlag, Edition: 3., überarbeitete Auflage, DOI: 10.1007/978-3-662-43440-6.
      • → store sources under source: books/07-Komplikationen-in-der-Anaesthesie/978-3-662-43440-6.pdf
    • 08: "Basiswissen Medizin des Alterns und des alten Menschen", Author / Editor: Zeyfang, A., Denkinger, M., Hagg-Grün, U., Publisher: Springer-Verlag, Edition: 2., überarbeitete Auflage, DOI: 10.1007/978-3-642-28905-7.
      • → store sources under source: books/08-Basiswissen Medizin-des-Alterns-und-des-alten-Menschen/978-3-642-28905-7.pdf
    • 09: "Praxis der Intensivmedizin", Author / Editor: Wilhelm, W., Publisher: Springer-Verlag, Edition: 2., aktualisierte und erweiterte Auflage, DOI: 10.1007/978-3-642-34433-6.
      • → store sources under source: books/09-Praxis-der-Intensivmedizin/978-3-642-34433-6.pdf
    • 10: "Patienten aus fremden Kulturen im Notarzt- und Rettungsdienst: Fallbeispiele und Praxistipps", Author / Editor: Machado, C., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-642-34869-3.
      • → store sources under source: books/10-Patienten-aus-fremden-Kulturen-im-Notarzt-und-Rettungsdienst-Fallbeispiele-und-Praxistipps/978-3-642-34869-3.pdf
    • 11: "Fallbeispiele Augenheilkunde", Author / Editor: Thiel, M.A., Bernauer, W., Schüpfer, M.Z., Schmid, M.K., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-642-42219-5.
      • → store sources under source: books/11-Fallbeispiele-Augenheilkunde/978-3-642-42219-5.pdf
    • 12: "Patientenorientierte Beratung in der Pflege Leitfäden und Fallbeispiele", Author / Editor: von Reibnitz, C., Sonntag, K., Strackbein, D., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-662-53028-3.
      • → store sources under source: books/12-Patientenorientierte-Beratung-in-der-Pflege/978-3-662-53028-3.pdf
    • 13: "Polyneuropathie", Author / Editor: Zifko, U., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-662-53871-5.
      • → store sources under source: books/13-Polyneuropathie/978-3-662-53871-5.pdf
    • 14: "Rheumatologie aus der Praxis: Ein Kurzlehrbuch der entzündlichen Gelenkerkrankungen mit Fallbeispielen", Author / Editor: Puchner, R. (Eds.), Publisher: Springer-Verlag, Edition: Zweite, überarbeitete und erweiterte Auflage, DOI: 10.1007/978-3-7091-1044-7.
      • → store sources under source: books/14-Rheumatologie-aus-der-Praxis/978-3-7091-1044-7.txt
    • 15: "Pädiatrie", Author / Editor: Speer, C.P., Gahr, M., Publisher: Springer-Verlag, Edition: 4., überarbeitete Auflage, DOI: 10.1007/978-3-642-34269-1.
      • → store sources under source: books/15-Pädiatrie/978-3-642-34269-1.pdf
    • 16: "Fallbuch Innere Medizin", Author / Editor: Hellmich, B., Publisher: Georg-Thieme-Verlag, Edition: 5., vollständig überarbeitete Auflage, DOI: 10.1055/b-0037-142744.
      • → store sources under source: books/16-Fallbuch-Innere-Medizin
    • 17: "Manual Jungenmedizin", Author / Editor: Stier, B., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-658-17323-4.
      • → store sources under source: books/17-Manual-Jungenmedizin/978-3-658-17323-4.pdf
    • 18: "Kindernotfälle im Rettungsdienst", Author / Editor: Flake, F., Steinichen, F., Publisher: Springer-Verlag, Edition: 5., aktualisierte Auflage, DOI: 10.1007/978-3-662-49305-2.
      • → store sources under source: books/18-Kindernotfälle-im-Rettungsdienst/978-3-662-49305-2.pdf
    • 19: "Basiswissen Radiologie: Nuklearmedizin und Strahlentherapie", Author / Editor: Kahl-Scholz, M., Vockelmann, C. (Eds.), Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-662-54278-1.
      • → store sources under source: books/19-Basiswissen-Radiologie/978-3-662-54278-1.pdf
    • 20: "Der klinisch-infektiologische Fall", Author / Editor: Geiss, H.K., Jacobs, E., Mack, D., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-540-69847-0.
      • → store sources under source: books/20-Der-klinisch-infektiologische-Fall/978-3-540-69847-0.pdf
    • 21: "Basiswissen Humangenetik", Author / Editor: Schaaf, C., Zschocke, J., Publisher: Springer-Verlag, Edition: 2., überarbeitete Auflage, DOI: 10.1007/978-3-642-28907-1.
      • → store sources under source: books/21-Basiswissen-Humangenetik/978-3-642-28907-1.pdf
    • 22: "Sportkardiologie", Author / Editor: Niebauer, J., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-662-43711-7
      • → store sources under source: books/22-Sportkardiologie/978-3-662-43711-7.pdf
    • 23: "Allgemeine und Spezielle Pathologie", Author / Editor: Riede, U.-N., Werner, M., Publisher: Springer-Verlag, Edition: 2., überarbeitete Auflage, DOI: 10.1007/978-3-662-48725-9.
      • → store sources under source: books/23-Allgemeine-und-Spezielle-Pathologie/2017_Book_AllgemeineUndSpeziellePatholog.pdf
    • 24: "Akutes Abdomen im Kindes-und Jugendalter", Author / Editor: Mayr, J., Fasching, G., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-662-55995-6.
      • → store sources under source: books/24-Akutes-Abdomen-im-Kindes-und-Jugendalter/2018_Book_AkutesAbdomenImKindes-UndJugen.pdf
    • 25: "Operationsberichte Allgemein-, Viszeral-, Gefäß- und Thoraxchirurgie", Author / Editor: Richter, O., Uhlmann, D., Publisher: Springer-Verlag, Edition: 2. Auflage, DOI: 10.1007/978-3-662-57283-2.
      • → store sources under source: books/25-Operationsberichte-Allgemein-Viszeral-Gefaeß-und-Thoraxchirurgie/2018_Book_OperationsberichteAllgemein-Vi.pdf
    • 26: "Nichtorganische Schlafstörungen", Author / Editor: Marx, C., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-662-50272-3.
      • → store sources under source: books/26-Nichtorganische-Schlafstörungen/2016_Book_NichtorganischeSchlafstörungen.pdf
    • 27: "Grundlegendes zur Allgemeinmedizin. Basiswissen Allgemeinmedizin", Author / Editor: Riedl, B., Peter W., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-662-53480-9.
      • → store sources under source: books/27-Basiswissen-Allgemein-Medizin/2017_Book_BasiswissenAllgemeinmedizin.pdf
    • 28: "Basiswissen Gynäkologie und Geburtshilfe", Author / Editor: Lasch, L., Fillenberg S., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-662-52809-9.
      • → store sources under source: books/28-Basiswissen-Gynäkologie/2017_Book_BasiswissenGynäkologieUndGebur.pdf
    • 29: "Ambulanzprotokolle Chirurgische Notfälle", Author / Editor: Siekmann, H., Publisher: Springer-Verlag, Edition: -, DOI: 10.1007/978-3-662-57651-9.
      • → store sources under source: books/29-Ambulanzprotokolle/2019_Book_AmbulanzprotokolleChirurgische.pdf
    • 30: "PubMed German Case Abstract",
      • Install Entres API from https://www.ncbi.nlm.nih.gov/books/NBK179288/
      • Open a terminal and run esearch -db pubmed -query "Case Reports[Publication Type] AND GER[LA]" | efetch -format xml > allGermanPubMedCaseAbstracts_JSynCC.xml
      • Wait some minutes!
      • JSynCC contains not all German PubMed Case Abstracts, only from this list.
      • → store sources under source: books/30-PubMed-Abstracts/allGermanPubMedCaseAbstracts_JSynCC.xml

Installation and Run

  • Install Java and Maven and the packes from pom.xml

  • The metadata of the named sources is stored under BookProperties.json. This file is adjusted by storage changes of the source files!

  • This code works under Linux. The command-line tools pdftotext and pdftohtml are required. (It was run under Ubuntu.)

  • Usage:

    • 'Main' file: BookReader.java
    • Open a terminal and run
      • mvn clean package
      • mvn exec:java -Dexec.mainClass="de.julielab.germanclinicaltext.readbooks.BookReader"
      • The full run needs around one hour.

Output of Corpus

Output is stored under directory output with some subdirectories:

  • misc: contains different text outputs:

    • per every subcorpus one file with the extracted data
    • per every subcorpus one file with the extracted data in the mode of detected sentences
    • jsyncc-text.txt: text of full corpus in one file
    • jsyncc-tokens.txt: all tokens of full corpus
  • txt: a folder with extracted single txt-files, it is named by an identifier of the original resource and the JSynCC internal document type. E.g.: Flake2016PediatricEmergencies-1-CaseDescription is extracted from "Kindernotfälle im Rettungsdienst" (Flake, F., Steinichen, F.; 2016) and part of the CaseDescription subcorpus.

  • sentences: a folder with extracted single txt-files, one line contains one sentences, estimated by JCoRe pipelines, schema of names is extended with framed-sent

  • tokens: a folder with extracted single txt-files, one line contains one tokens, estimated by JCoRe pipelines, schema of names is extended with framed-token

  • stats: contains files with statistics of JSynCC 2.0's subcorpora and single files, statistics of sentences, tokens and types count by JCoRe pipelines.

  • xml:

    • corpus.xml: XML file with corpus data, text and file names
    • output/xml/jsyncc-annotations.xml: XML file with annotations of sentences
    • md5Hex_checkSums.xml: File of md5 check sums for every extraced txt file.
  • plots

JSynCC: Occurences of clinical domains (1)

JSynCC: Occurences of clinical domains (2)

JSynCC: Occurences of clinical domains (3)

Annotations

Some Python scripts

JSynCC 2.0 : Statistics

subcorpus Documents Sentences Tokens Types Characters
OperativeReport 608 30.153 325.569 24.243 2.285.295
CaseDescription 264 11.761 185.385 24.958 1.167.095
CaseReport 600 6.353 105.369 16.208 692.122
ReportEmergency 153 6.021 50.606 8.560 351.160
Discussion 124 1.452 34.903 8.575 241.054
PubMedCaseAbstract 363 2.850 46.852 11.382 354.399
(Full) JSynCC 2.0 2.112 58.590 748.684 62.651 5.091.125

Licence

  • MIT License: commercial use, modification, distribution, private use, no liability, no warranty.

About JSynCC 1 (2018)

About Version 1.1 (02/2020)

  • During a expansion we revised all classes of the original JSynCC. We have new counts of the corpus:

    • Books: 10
    • Text Documents: 903
    • Sentences: 29476
    • Tokens: 368389

About

Jena Synthetic Clinical Corpus

Resources

License

Stars

Watchers

Forks

Packages

 
 
 

Contributors