Machine learning identifies girls with central precocious puberty based on multi-source data

资源简介

Machine learning identifies girls with central precocious puberty based on multi-source data

【一句话概览】

本数据集是 Dryad 公开的多模态数据集，主题涵盖 clinical decision making、diagnosis model、multi-source data fusion、central precocious puberty，可用于跨模态对齐与融合建模研究，https://spdx.org/licenses/CC0-1.0.html 许可开放获取。

【数据内容】

源站原始描述：Objective: The study aimed to develop simplified diagnostic models for identifying girls with central precocious puberty (CPP), without the expensive and cumbersome gonadotropin-releasing hormone (GnRH) stimulation test, which is the gold standard for CPP diagnosis. Materials and Methods: Female patients who had secondary sexual characteristics before 8 years old and had taken a GnRH analog (GnRHa) stimulation test at a medical center in Guangzhou, China were enrolled. Data from clinical visitin…

中文译文（机器翻译，仅供快速理解，请以原文为准）：目的：本研究旨在开发简化诊断模型，用于识别中枢性性早熟（CPP）女童，而无需采用昂贵且繁琐的促性腺激素释放激素（GnRH）兴奋试验——该试验是CPP诊断的金标准。 材料与方法：纳入在中国广州某医疗中心就诊、8岁前出现第二性征并接受了GnRH类似物（GnRHa）兴奋试验的女性患者。收集临床就诊、实验室检查和医学影像检查的数据。我们首先从临床报告和医学图像等非结构化数据中提取特征。然后，使用极端梯度提升（XGBoost）分类器开发基于各单一来源数据或多来源数据的模型，以将患者分类为CPP或非CPP。 结果：基于多源数据的模型表现最佳，AUC达到0.88，约登指数为0.64。基于

【数据结构与技术规格】

数据集 DOI：doi:10.5061/dryad.bk3j9kd99。

【主题与分类】

主题标签：clinical decision making、diagnosis model、multi-source data fusion、central precocious puberty。

【适用方向】

多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。

【获取与许可】

源站页面：https://doi.org/10.5061/dryad.bk3j9kd99

使用许可：https://spdx.org/licenses/CC0-1.0.html。