视野预测误差与各种因素的相关性及简单线性回归分析数据集
包含视野预测误差与多种因素的相关性及线性回归分析结果的表格数据集，用于视觉功能研究。
基本信息
资源简介
视野预测误差与各种因素的相关性及简单线性回归分析数据集
【数据集背景】
本数据集源站标题为《Correlation coefficients and simple linear regression analyses between visual field prediction error and various factors.》。配套论文《A deep learning approach to predict visual field using optical coherence tomography》发表于 PLOS ONE（2020），DOI：10.1371/journal.pone.0234902。源站首次发布：2020-07-06。
【数据内容】
源站原始描述：Correlation coefficients and simple linear regression analyses between visual field prediction error and various factors
【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.0234902.t004。
【主题与分类】
源站学科分类：Physical Sciences not elsewhere classified、Medicine、Microbiology、Cell Biology、Physiology、Chemical Sciences not elsewhere classified。主题标签：OCT image、macular ganglion cell-inner plexifo...、RMSE、coherence tomography、nerve fibre layer、Inception V 3、region、dB。
【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/Correlation_coefficients_and_simple_linear_regression_analyses_between_visual_field_prediction_error_and_various_factors_/12614767
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Park, Keunheung; Kim, Jinmi; Lee, Jiwoong (2020). Correlation coefficients and simple linear regression analyses between visual field prediction error and various factors.. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-06-14，引用时请注意版本时效。
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：Correlation coefficients and simple linear regression analyses between visual field prediction error and various factors.
- DOI：10.1371/journal.pone.0234902.t004
- 发布日期：2020-07-06
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Correlation_coefficients_and_simple_linear_regression_analyses_between_visual_field_prediction_error_and_various_factors_/12614767
命令行下载
curl -L -o "Table 4.xls" "https://ndownloader.figshare.com/files/23710246"
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
Correlation coefficients and simple linear regression analyses between visual field prediction error and various factors.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0234902.t004（source: https://plos.figshare.com/articles/dataset/Correlation_coefficients_and_simple_linear_regression_analyses_between_visual_field_prediction_error_and_various_factors_/12614767）。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
