在线搜索TIA或小卒中症状的175名用户中TIA/卒中诊断的多变量预测因子
该数据集来自frontiersin.figshare.com,配套论文研究使用人工神经网络对TIA或小卒中患者进行风险分层

基本信息
资源简介
在线搜索TIA或小卒中症状的175名用户中TIA/卒中诊断的多变量预测因子
Table_1_Early Identification of High-Risk TIA or Minor Stroke Using Artificial Neural Network.DOCX
该数据集来自frontiersin.figshare.com,配套论文研究使用人工神经网络对TIA或小卒中患者进行风险分层。数据收集自连续就诊于三级医院的急性TIA或小缺血性卒中患者,涵盖基线人口学、临床与影像数据,主要结局为1年内复发性缺血性卒中。数据集包含1个DOCX文件,可用于预测建模与复发风险研究(来源 figshare,CC BY 4.0 许可)。
【数据集背景】
配套论文《ABCD3-I score and the risk of early or 3-month stroke recurrence in tissue- and time-based definitions of TIA and minor stroke》发表于 Journal of Neurology(2018),DOI:10.1007/s00415-017-8720-8。源站首次发布:2019-03-01。
【数据内容】
源站描述(机器翻译,仅供参考):背景与目的:尽管过去十年中显著下降,但短暂性脑缺血发作(TIA)或小卒中后复发性卒中的风险仍然很高。在本研究中,我们探讨了使用人工神经网络(ANN)对TIA或小卒中患者进行风险分层的可行性。方法:连续招募在2年期间就诊于三级医院的急性TIA或小缺血性卒中患者。我们收集了基线时的人口学、临床和影像学数据。主要结局是1年内复发性缺血性卒中。我们开发了ANN模型来预测主要结局。我们随机对无主要结局的患者进行降采样,以1:1匹配有主要结局的患者,以缓解数据不平衡。我们使用5折交叉验证方法来训练和测试ANN模型,以避免过拟合。我们采用了19
【数据结构与技术规格】
文件数 1 个,合计 18.11 KB。数据集 DOI:10.3389/fneur.2019.00171.s001。
【主题与分类】
源站学科分类:Neurology and Neuromuscular Diseases、Neurogenetics。主题标签:transient ischemic attack、minor stroke、artificial neural network、risk stratification、prognosis。本站分类:循环系统疾病。
【适用方向】
源站学科分类标注为 Neurology and Neuromuscular Diseases、Neurogenetics。
【获取与许可】
源站页面:https://frontiersin.figshare.com/articles/dataset/Table_1_Early_Identification_of_High-Risk_TIA_or_Minor_Stroke_Using_Artificial_Neural_Network_DOCX/7789841
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Chan, Ka Lung; Leng, Xinyi; Zhang, Wei; Dong, Weinan; Qiu, Quanli; Yang, Jie; et al. (2019). Table_1_Early Identification of High-Risk TIA or Minor Stroke Using Artificial Neural Network.DOCX. Frontiers. Dataset
【使用注意】
· 源站最后修改于 2023-06-03,引用时请注意版本时效。
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:Table_1_Early Identification of High-Risk TIA or Minor Stroke Using Artificial Neural Network.DOCX
- DOI:10.3389/fneur.2019.00171.s001
- 发布日期:2019-03-01
- 文件数:1 个
- 文件总体积:18.11 KB
- 源站页面:https://frontiersin.figshare.com/articles/dataset/Table_1_Early_Identification_of_High-Risk_TIA_or_Minor_Stroke_Using_Artificial_Neural_Network_DOCX/7789841
命令行下载
curl -L -o "Table_1_Early Identification of High-Risk TIA or Minor Stroke Using Artificial Neural Network.DOCX" "https://ndownloader.figshare.com/files/14498750"
文件清单
Table_1_Early Identification of High-Risk TIA or Minor Stroke Using Artificial Neural Network.DOCX(18.11 KB)
文件总体积 18.11 KB(源站 API 实测)。
数据说明
背景与目的:尽管过去十年中短暂性脑缺血发作(TIA)或轻型卒中后复发卒中的风险已显著降低,但其风险仍然较高。本研究探讨了使用人工神经网络(ANN)对TIA或轻型卒中患者进行风险分层的可行性。方法:连续纳入在两年期间就诊于某三级医院的急性TIA或轻型缺血性卒中患者。我们收集了基线时的人口学、临床和影像学数据。主要结局为1年内复发性缺血性卒中。我们开发了ANN模型以预测主要结局。我们对无主要结局的患者进行随机降采样,使其与有主要结局的患者按1:1匹配,以缓解数据不平衡。我们采用5折交叉验证方法训练和测试ANN模型,以避免过拟合。我们在ANN模型中采用基线时的19个自变量作为输入神经元,使用基于反向传播的学习算法以最小化损失函数。
我们从5轮交叉验证中获得了每个ANN模型的灵敏度、特异度、准确度和c统计量,并将其与支持向量机(SVM)和朴素贝叶斯分类器在患者风险分层中的相应指标进行了比较。结果:共纳入451例急性TIA或轻型卒中患者。40例(8.9%)患者在1年内发生复发性缺血性卒中。另从无复发性卒中的患者中随机选取40例,因此共使用80例患者的数据进行5轮ANN模型的训练和测试。ANN模型预测1年复发性卒中的灵敏度、特异度、准确度和c统计量中位数分别为75%、75%、75%和0.77。在我们的数据集中,ANN模型在预测TIA或轻型卒中后复发方面优于SVM和朴素贝叶斯分类器。结论:本初步研究表明,ANN可能为TIA和轻型卒中的风险分层提供一种新颖且有效的方法。尚需进一步研究以验证和改进当前的ANN模型。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.3389/fneur.2019.00171.s001(source: https://frontiersin.figshare.com/articles/dataset/Table_1_Early_Identification_of_High-Risk_TIA_or_Minor_Stroke_Using_Artificial_Neural_Network_DOCX/7789841)。
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。




