预测非瓣膜性房颤患者左心房血栓/自发性超声对比的9种机器学习算法性能数据集
包含9种机器学习算法预测非瓣膜性房颤患者左心房血栓/自发性超声对比的性能评估数据集。
基本信息
资源简介
预测非瓣膜性房颤患者左心房血栓/自发性超声对比的9种机器学习算法性能数据集
【一句话概览】
本数据集是 figshare 公开的结构化表格数据集，收录 1 个文件、合计 9.73 KB，主题涵盖 valvular atrial fibrillation、spontaneous echo contrast、six independent predictors、shapley additive explanations、multivariate logistic regression，可用于统计建模、特征工程与队列分析，CC BY 4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《Predictive performance of 9 ML algorithms in training and validation sets for LAT/SEC in NVAF patients.》。配套论文《Development and validation of an interpretable machine learning model for predicting left atrial thrombus or spontaneous echo contrast in non-valvular atrial fibrillation patients》发表于 PLOS ONE（2025），DOI：10.1371/journal.pone.0313562。源站首次发布：2025-01-16。
【数据内容】
源站原始描述：Predictive performance of 9 ML algorithms in training and validation sets for LAT/SEC in NVAF patients
中文译文（机器翻译，仅供快速理解，请以原文为准）：9种机器学习算法在NVAF患者LAT/SEC训练集和验证集中的预测性能。
【数据结构与技术规格】
文件数 1 个，合计 9.73 KB。Table 3.xls：application/vnd.ms-excel，9.73 KB。数据集 DOI：10.1371/journal.pone.0313562.t003。
【主题与分类】
源站学科分类：Medicine、Cell Biology、Biological Sciences not elsewhere classified。主题标签：valvular atrial fibrillation、spontaneous echo contrast、six independent predictors、shapley additive explanations、multivariate logistic regression、left atrial diameter、least absolute shrinkage、electronic medical records、develop prediction models、078 patients included。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/Predictive_performance_of_9_ML_algorithms_in_training_and_validation_sets_for_LAT_SEC_in_NVAF_patients_/28222672
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Huang, Chaoqun; Shu, Shangzhi; Zhou, Miaomiao; Sun, Zhenming; Li, Shuyan (2025). Predictive performance of 9 ML algorithms in training and validation sets for LAT/SEC in NVAF patients.. PLOS ONE. Dataset
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取（Figshare）
- 源站标题：Predictive performance of 9 ML algorithms in training and validation sets for LAT/SEC in NVAF patients.
- DOI：10.1371/journal.pone.0313562.t003
- 发布日期：2025-01-16
- 文件数：1 个
- 文件总体积：9.73 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Predictive_performance_of_9_ML_algorithms_in_training_and_validation_sets_for_LAT_SEC_in_NVAF_patients_/28222672
命令行下载
curl -L -o "Table 3.xls" "https://ndownloader.figshare.com/files/51722602"
文件清单
Table 3.xls（9.73 KB）
文件总体积 9.73 KB（源站 API 实测）。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据说明
Predictive performance of 9 ML algorithms in training and validation sets for LAT/SEC in NVAF patients.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0313562.t003（source: https://plos.figshare.com/articles/dataset/Predictive_performance_of_9_ML_algorithms_in_training_and_validation_sets_for_LAT_SEC_in_NVAF_patients_/28222672）。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
