甲状腺疾病基因-疾病关联数据集
该数据集为甲状腺医疗领域的合成数据集，包含125个特征，其中34个二值特征、28个分类特征和97个数值特征，共100万个数据点
基本信息
资源简介
甲状腺疾病基因-疾病关联数据集
Synthetic Thyroid Healthcare Dataset : A Large-Scale Multidimensional Resource for Thyroid Disease Analysis, Risk Assessment and Clinical Prediction
该数据集为甲状腺医疗领域的合成数据集，包含125个特征，其中34个二值特征、28个分类特征和97个数值特征，共100万个数据点。数据基于概率规则合成生成，涵盖人口学、家族史、生活方式、环境、临床、内分泌代谢、炎症、治疗、医疗利用及结局相关特征，包含健康、桥本、Graves病、显性甲减与甲亢、良性结节及混合障碍等10种甲状腺表型，并涉及疾病严重程度、潜在临床状态、症状负担、治疗反应、依从性、未来疾病阶段、医疗利用和预期临床结局，可用于甲状腺疾病预测、风险评估和临床结局研究（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2026-09-09。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据是一个甲状腺医疗合成数据集，具有125个特征，其中34个二值特征、28个分类特征和97个数值特征，包含100万个数据点，并非由AI生成，但合成生成过程基于概率规则进行。它包含多种人口学、家族、生活方式、环境、临床、内分泌代谢、炎症、治疗、医疗保健利用和结局相关特征。该数据集包含10种甲状腺表型：健康、桥本、Graves病、显性甲减和甲亢、良性结节以及混合障碍。它还涵盖疾病严重程度、潜在临床状态、症状负担、治疗反应、依从性、未来疾病阶段、医疗保健利用和预期临床结局。该数据集为合成数据，用于甲状腺疾病预测、风险评估、临床结局等领域的研究。
【数据结构与技术规格】
文件数 5 个，合计 571.87 MB。数据集 DOI：10.17632/tknsjcphcj.1。
【主题与分类】
主题标签：甲状腺疾病、合成数据集、风险预测、临床结局、内分泌代谢、多维特征。本站分类：内分泌、营养和代谢疾病/其他。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/tknsjcphcj
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/tknsjcphcj
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 571.9 MB。
数据说明
Firoze Maliha (2026). Synthetic Thyroid Healthcare Dataset : A Large-Scale Multidimensional Resource for Thyroid Disease Analysis, Risk Assessment and Clinical Prediction [Dataset]. http://doi.org/10.17632/tknsjcphcj.1
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。
