PCOS检测中机器学习与深度学习技术文献性能比较数据集
收录PCOS检测中机器学习和深度学习文献的性能比较数据。
基本信息
资源简介
PCOS检测中机器学习与深度学习技术文献性能比较数据集
【一句话概览】
本数据集是 figshare 公开的文本数据集，收录 1 个文件、合计 9.73 KB，主题涵盖 whereas statistical features、two different dataset、stochastic gradient descent、primary objectives encompass、hybrid fuzzy c，可用于医学自然语言处理（实体识别、信息抽取等），CC BY 4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《Performance comparison of existing literature related to machine learning and deep learning techniques in PCOS detection.》。配套论文《F-Net: Follicles Net an efficient tool for the diagnosis of polycystic ovarian syndrome using deep learning techniques》发表于 PLOS ONE（2024），DOI：10.1371/journal.pone.0307571。源站首次发布：2024-08-15。
【数据内容】
源站原始描述：Performance comparison of existing literature related to machine learning and deep learning techniques in PCOS detection
中文译文（机器翻译，仅供快速理解，请以原文为准）：机器学习与深度学习技术在PCOS检测中相关现有文献的性能比较
【数据结构与技术规格】
文件数 1 个，合计 9.73 KB。Table 5.xls：application/vnd.ms-excel，9.73 KB。数据集 DOI：10.1371/journal.pone.0307571.t005。
【主题与分类】
源站学科分类：Biochemistry、Space Science、Chemical Sciences not elsewhere classified、Immunology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified。主题标签：whereas statistical features、two different dataset、stochastic gradient descent、primary objectives encompass、hybrid fuzzy c、extract statistical features、derived using gray、dataset 2 consists、ovarian follicles using、identified follicles using。
【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://plos.figshare.com/articles/dataset/Performance_comparison_of_existing_literature_related_to_machine_learning_and_deep_learning_techniques_in_PCOS_detection_/26746039
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：S., Sowmiya; Umapathy, Snekhalatha; Alhajlah, Omar; Almutairi, Fadiyah; Aslam, Shabnam; K., Ahalya R. (2024). Performance comparison of existing literature related to machine learning and deep learning techniques in PCOS detection.. PLOS ONE. Dataset
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（Figshare）
- 源站标题：Performance comparison of existing literature related to machine learning and deep learning techniques in PCOS detection.
- DOI：10.1371/journal.pone.0307571.t005
- 发布日期：2024-08-15
- 文件数：1 个
- 文件总体积：9.73 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Performance_comparison_of_existing_literature_related_to_machine_learning_and_deep_learning_techniques_in_PCOS_detection_/26746039
命令行下载
curl -L -o "Table 5.xls" "https://ndownloader.figshare.com/files/48594988"
文件清单
Table 5.xls（9.73 KB）
文件总体积 9.73 KB（源站 API 实测）。
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。
数据说明
Performance comparison of existing literature related to machine learning and deep learning techniques in PCOS detection.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0307571.t005（source: https://plos.figshare.com/articles/dataset/Performance_comparison_of_existing_literature_related_to_machine_learning_and_deep_learning_techniques_in_PCOS_detection_/26746039）。
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。
