糖尿病视网膜病变预测机器学习模型测试集性能指标
糖尿病视网膜病变预测机器学习模型的测试集性能指标，包含准确率和AUC的95%置信区间。
基本信息
资源简介
糖尿病视网膜病变预测机器学习模型测试集性能指标
【数据集背景】
本数据集源站标题为《Test set performance metrics of machine learning models for DR prediction (95% CI reported for accuracy and AUC).》。配套论文《Machine learning-based prediction of diabetic retinopathy from pupillary abnormalities in a South Indian population》发表于 PLOS One（2026），DOI：10.1371/journal.pone.0340802。源站首次发布：2026-01-22。
【数据内容】
源站原始描述：Test set performance metrics of machine learning models for DR prediction (95% CI reported for accuracy and AUC)
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。Table 4.xls：application/vnd.ms-excel，5.63 KB。数据集 DOI：10.1371/journal.pone.0340802.t004。
【主题与分类】
源站学科分类：Cell Biology、Biotechnology、Chemical Sciences not elsewhere classified、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Science Policy。主题标签：vpc ), amplitude、utilizing roc analysis、naive bayes classifier、bpd ), amplitude、artificial neural networks、71 &# 8211、65 &# 8211、refine risk stratification、early intervention strategies、detecting dr presents。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/_p_Test_set_performance_metrics_of_machine_learning_models_for_DR_prediction_95_CI_reported_for_accuracy_and_AUC_p_/31127702
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Surya, Janani; Tamilselvi, S; Roy, Maitreyee; Chinnasamy, Sivaraj; Raman, Rajiv; Suchetha, M; et al. (2026). Test set performance metrics of machine learning models for DR prediction (95% CI reported for accuracy and AUC).. 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：<p>Test set performance metrics of machine learning models for DR prediction (95% CI reported for accuracy and AUC).</p>
- DOI：10.1371/journal.pone.0340802.t004
- 发布日期：2026-01-22
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/_p_Test_set_performance_metrics_of_machine_learning_models_for_DR_prediction_95_CI_reported_for_accuracy_and_AUC_p_/31127702
命令行下载
curl -L -o "Table 4.xls" "https://ndownloader.figshare.com/files/61234298"
文件清单
Table 4.xls（5.63 KB）
文件总体积 5.63 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
Test set performance metrics of machine learning models for DR prediction (95% CI reported for accuracy and AUC).
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0340802.t004（source: https://plos.figshare.com/articles/dataset/_p_Test_set_performance_metrics_of_machine_learning_models_for_DR_prediction_95_CI_reported_for_accuracy_and_AUC_p_/31127702）。
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。
