交叉验证心脏杂音检测任务的混淆矩阵
包含交叉验证心脏杂音检测任务混淆矩阵的数据集，用于评估模型性能。
基本信息
资源简介
交叉验证心脏杂音检测任务的混淆矩阵
【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 5.63 KB，主题涵盖 representative clinical datasets、recurrent neural network、provide interpretable predictions、new test data、machine learning analysis，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《Confusion matrix for the cross-validated murmur detection task.》。源站首次发布：2024-11-25。
【数据内容】
源站原始描述：Confusion matrix for the cross-validated murmur detection task
中文译文（机器翻译，仅供快速理解，请以原文为准）：交叉验证的杂音检测任务的混淆矩阵。
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。Table 1.xls：application/vnd.ms-excel，5.63 KB。数据集 DOI：10.1371/journal.pdig.0000436.t001。
【主题与分类】
源站学科分类：Space Science、Cell Biology、Molecular Biology、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified。主题标签：representative clinical datasets、recurrent neural network、provide interpretable predictions、new test data、machine learning analysis、existing approaches require、2022 george b、cued_acoustics &# 8217、moody physionet challenge、model also estimates。
【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/Confusion_matrix_for_the_cross-validated_murmur_detection_task_/27902732
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：McDonald, Andrew; Gales, Mark J. F.; Agarwal, Anurag (2024). Confusion matrix for the cross-validated murmur detection task.. PLOS Digital Health. 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：Confusion matrix for the cross-validated murmur detection task.
- DOI：10.1371/journal.pdig.0000436.t001
- 发布日期：2024-11-25
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Confusion_matrix_for_the_cross-validated_murmur_detection_task_/27902732
命令行下载
curl -L -o "Table 1.xls" "https://ndownloader.figshare.com/files/50795654"
文件清单
Table 1.xls（5.63 KB）
文件总体积 5.63 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
Confusion matrix for the cross-validated murmur detection task.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pdig.0000436.t001（source: https://plos.figshare.com/articles/dataset/Confusion_matrix_for_the_cross-validated_murmur_detection_task_/27902732）。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
