AMICSD-60K 急性肠系膜缺血数据集
AMICSD-60K 是一个包含 60,000 条记录的高维合成临床数据集，面向急性肠系膜缺血（AMI）的早期诊断、风险分层与多类严重程度分级研究
基本信息
资源简介
AMICSD-60K 急性肠系膜缺血数据集
AMICSD-60K: Acute Mesenteric Ischemia Dataset
AMICSD-60K 是一个包含 60,000 条记录的高维合成临床数据集，面向急性肠系膜缺血（AMI）的早期诊断、风险分层与多类严重程度分级研究。AMI 是一种因肠道黏膜灌注中断而危及生命的血管急症，其早期症状常与良性胃肠道疾病相似，临床诊断存在“疼痛程度与体格检查不符”的经典困境。该数据集可用于基准测试新型 AI 架构，尤其是基于距离的特征选择算法 ReliefF 与密集联想记忆相关方法，文件包含 AMICSD_60K.csv 与 README.md（来源 Kaggle，Attribution 4.0 International (CC BY 4.0) 许可）。
【数据集背景】
源站首次发布：2026-07-23。
【数据内容】
源站描述（机器翻译，仅供参考）：🩸 AMICSD-60K：急性肠系膜缺血临床严重程度数据集 一个用于多类严重程度分类与可解释 AI 的 60,000 条记录合成临床基准 --- 📌 数据集概览 AMICSD-60K 是一个高维合成临床数据集，旨在推动急性肠系膜缺血（AMI）的早期诊断、风险分层和多类严重程度分级的机器学习研究。AMI 是一种危及生命的血管急症，其特征是肠道黏膜灌注中断。由于早期症状常与良性胃肠道疾病相似，其临床表现以经典的诊断困境而著称：“疼痛程度与体格检查结果不符”。 该数据集旨在为新型 AI 架构提供基准测试——特别是基于距离的特征选择算法（ReliefF）和密集联想记忆 retri
【数据结构与技术规格】
文件数 2 个，合计 21.52 MB。
【主题与分类】
主题标签：tabular、data visualization、english、healthcare、diseases。本站分类：消化系统疾病/肠系膜缺血。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/gowtha69/amicsd-60k-acute-mesenteric-ischemia-dataset
使用许可：Attribution 4.0 International (CC BY 4.0)。
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。
需登录公开下载
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。
暂未开放有偿下载
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://kaggle.com/datasets/gowtha69/amicsd-60k-acute-mesenteric-ischemia-dataset
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 21.5 MB。
数据说明
AMICSD-60K: Acute Mesenteric Ischemia Dataset Gowtham Kathirvel · Updated 2 months ago Usability 8.8 · 2 Files (CSV, other) · 8 MB · 14 downloads arrow_drop_up 1 more_horiz
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。
