血浆代谢指纹用于代谢综合征大规模筛查与个性化风险分层
该数据集来自自然队列13554名参与者的代谢组学分析，识别出26个与代谢综合征及其早期阶段相关的核心血浆代谢指纹。基于机器学习算法构建了pre-MetS和MetS的诊断模型，并通过独立验证确认性能
基本信息
资源简介
血浆代谢指纹用于代谢综合征大规模筛查与个性化风险分层
Plasma metabolic fingerprints for large-scale screening and personalized risk stratification of metabolic syndrome
该数据集来自自然队列13554名参与者的代谢组学分析，识别出26个与代谢综合征及其早期阶段相关的核心血浆代谢指纹。基于机器学习算法构建了pre-MetS和MetS的诊断模型，并通过独立验证确认性能。数据还用于评估高血糖、高血压、血脂异常和肥胖四个主要风险因素的相对贡献，并支持个性化三维血浆代谢风险分层。可用于代谢综合征的早期筛查、诊断建模和风险分层研究（来源 DOI 解析）。
【数据集背景】
源站首次发布：2023。
【数据内容】
源站描述（机器翻译，仅供参考）：代谢综合征（MetS）的直接诊断和准确评估有助于及时进行临床干预。然而，传统诊断策略忽视了MetS的复杂异质性。在此，我们对来自自然队列的13,554名参与者进行代谢组学分析，识别出26个与MetS及其早期识别（pre-MetS）相关的核心血浆代谢指纹（PMFs）。通过利用机器学习算法，我们开发了针对pre-MetS和MetS的稳健诊断模型，并通过独立验证获得了令人信服的性能。我们利用这些PMFs评估了普通人群中四个主要MetS风险因素的相对贡献，排序如下：高血糖、高血压、血脂异常和肥胖。此外，我们设计了一种个性化三维血浆代谢风险（PMR）分层，揭示了三种不同的风险模式
【主题与分类】
主题标签：Metabolic Disorder。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/jw4wyb8ws6/1
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
源站：https://doi.org/10.17632/jw4wyb8ws6.1
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 1.9 MB。
数据说明
直接诊断和准确评估代谢综合征（MetS）有助于及时进行临床干预。然而，传统的诊断策略忽视了MetS复杂的异质性。本研究对自然队列中的13,554名参与者进行了代谢组学分析，识别出26个与MetS及其早期识别（pre-MetS）相关的核心血浆代谢指纹（PMFs）。借助机器学习算法，我们开发了针对pre-MetS和MetS的稳健诊断模型，并通过独立验证证实了其令人信服的性能。我们利用这些PMFs评估了普通人群中四大MetS危险因素的相对贡献，排序如下：高血糖、高血压、血脂异常和肥胖。此外，我们设计了一种个性化的三维血浆代谢风险（PMR）分层方法，揭示了三种不同的风险模式。总之，我们的研究为在普通社区中识别pre-MetS和MetS患者提供了有效的筛查工具，同时在真实世界环境中定义了代谢表型的异质性风险分层。
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。
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。
