多分类出生体重数据集
该数据集包含来自巴基斯坦的4,500条去标识化孕产妇记录，用于预测异常出生体重的MS论文研究。每条记录关联母亲的人口学信息、产科与临床病史，以及对25个四点Likert量表的回答，涵盖症状、饮食、睡眠、休息、防跌倒和家庭支持
基本信息
资源简介
多分类出生体重数据集
multiclass_birthweight_dataset
该数据集包含来自巴基斯坦的4,500条去标识化孕产妇记录，用于预测异常出生体重的MS论文研究。每条记录关联母亲的人口学信息、产科与临床病史，以及对25个四点Likert量表的回答，涵盖症状、饮食、睡眠、休息、防跌倒和家庭支持。结局为新生儿出生体重类别：低（LBW）、正常（NBW）或高（HBW），每类各1,500条，无缺失值。数据适用于孕产妇风险因素、出生体重分类、特征选择及关联规则挖掘等研究（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含来自巴基斯坦的4,500条去标识化孕产妇记录，为一项预测异常出生体重的MS论文收集。每条记录关联母亲的人口学信息（年龄、身高、体重、收入档次、就业、居住地、教育）、产科与临床病史（产次、孕龄、妊娠期体重增加、分娩方式、婴儿性别、既往低出生体重、流产、贫血、妊娠期糖尿病）以及她对25个四点Likert量表的回答，内容涉及症状、饮食、睡眠、休息、防跌倒和家庭支持。结局为新生儿出生体重类别：低（LBW）、正常（NBW）或高（HBW），每类各1,500条记录。无缺失值。包含数据字典和README，描述每个变量、编码方案及已知质量说明。该数据适用于孕产妇风险因素、出生体重分类、特
【主题与分类】
主题标签：Birth Weight、Infant, Low Birth Weight、high birth weight、Fetal Macrosomia、Maternal Health、Pakistan、Machine Learning、association rule mining、feature selection、psychosocial factors。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23088953
使用许可：Creative Commons Attribution 4.0 International。
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
源站：https://doi.org/10.5281/zenodo.23088953
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:
数据说明
本数据集包含来自巴基斯坦的4,500条去标识化孕产妇记录，采集用于一篇关于预测异常出生体重的硕士论文。每条记录关联了母亲的人口学信息（年龄、身高、体重、收入档次、就业、居住地、教育程度）、产科与临床病史（产次、孕龄、孕期增重、分娩方式、婴儿性别、既往低出生体重、流产、贫血、妊娠期糖尿病），以及她对25个四点李克特量表条目的回答，内容涉及症状、饮食、睡眠、休息、防跌倒措施和家庭支持。结局是新生儿的出生体重类别：低（LBW）、正常（NBW）或高（HBW），每类各有1,500条记录。无缺失值。随附数据字典和README，描述了每个变量、编码方案及已知质量说明。该数据适用于中低收入环境下关于孕产妇风险因素、出生体重分类、特征选择和关联规则挖掘的研究。
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。
