使用标准临床-生物学参数预测溃疡性结肠炎活动的神经网络模型
基于标准临床-生物学参数，提供三种神经网络模型R脚本，用于预测溃疡性结肠炎内镜活动及Mayo评分。
基本信息
资源简介
使用标准临床-生物学参数预测溃疡性结肠炎活动的神经网络模型
【一句话概览】
源站提供使用标准临床生物学参数预测溃疡性结肠炎活动的神经网络模型R脚本。第一个二分类模型用7个分类和13个连续输入变量预测内镜疾病活动/不活动；第二个二分类模型用12个生物学输入变量；（来源 Mendeley Data）。
【数据集背景】
本数据集源站标题为《Neural network models to predict ulcerative colitis activity using standard clinico-biological parameters》。源站首次发布：2020-02-03。
【数据内容】
源站原始描述：R scripts for predicting ulcerative colitis endoscopic activity through standard clinico-biological parameters using three neural network models are found in the files provided. First binary model to predict active/inactive endoscopic disease using seven categorical and 13 continuous input variables is built and tested in UCDiseaseActivity_1stNNModel.R script. Console outputs for this script are shown in UCDiseaseActivity_1stNNModel_ConsoleOutput.txt. Second binary model to predict active/inacti…
【数据结构与技术规格】
文件数 6 个，合计 72.60 KB。数据集 DOI：10.17632/gpsvsb563v.1。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/gpsvsb563v
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://data.mendeley.com/datasets/gpsvsb563v
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
