镰状细胞贫血患者呼吸改变检测的机器学习诊断准确性评估数据集
基于FrOr参数的机器学习算法评估镰状细胞贫血患者呼吸改变诊断准确性的数据集，包含肺功能检查正常和异常患者的数据。
基本信息
资源简介
镰状细胞贫血患者呼吸改变检测的机器学习诊断准确性评估数据集
【数据集背景】
本数据集源站标题为《Evaluation of the diagnostic accuracy of the machine learning algorithms using all FrOr parameters in detecting respiratory alterations in patients with sickle cell anemia and normal and abnormal spirometric exams.》。配套论文《Respiratory resistance and reactance in adults with sickle cell anemia: Part 2—Fractional-order modeling and a clinical decision support system for the diagnosis of respiratory disorders》发表于 PLOS ONE（2019），DOI：10.1371/journal.pone.0213257。源站首次发布：2019-03-07。
【数据内容】
源站原始描述：Evaluation of the diagnostic accuracy of the machine learning algorithms using all FrOr parameters in detecting respiratory alterations in patients with sickle cell anemia and normal and abnormal spirometric exams
【数据结构与技术规格】
文件数 1 个，合计 9.73 KB。Table 7.xls：application/vnd.ms-excel，9.73 KB。数据集 DOI：10.1371/journal.pone.0213257.t007。
【主题与分类】
源站学科分类：Medicine、Genetics、Molecular Biology、Physiology、Biological Sciences not elsewhere classified、Cancer。主题标签：decision support system、cell anemia、SCA、Part 1、FOT、modeling、AUC、exercise capacity decline、Fractional-order、accuracy。
【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/Evaluation_of_the_diagnostic_accuracy_of_the_machine_learning_algorithms_using_all_FrOr_parameters_in_detecting_respiratory_alterations_in_patients_with_sickle_cell_anemia_and_normal_and_abnormal_spirometric_exams_/7816622
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：de Lima Marinho, Cirlene; Maioli, Maria Christina Paixão; Amaral, Jorge Luis Machado do; José Lopes, Agnaldo; Lopes de Melo, Pedro (2019). Evaluation of the diagnostic accuracy of the machine learning algorithms using all FrOr parameters in detecting respiratory alterations in patients with sickle c…
【使用注意】
· 源站最后修改于 2023-06-21，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：Evaluation of the diagnostic accuracy of the machine learning algorithms using all FrOr parameters in detecting respiratory alterations in patients with sickle cell anemia and normal and abnormal spirometric exams.
- DOI：10.1371/journal.pone.0213257.t007
- 发布日期：2019-03-07
- 文件数：1 个
- 文件总体积：9.73 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Evaluation_of_the_diagnostic_accuracy_of_the_machine_learning_algorithms_using_all_FrOr_parameters_in_detecting_respiratory_alterations_in_patients_with_sickle_cell_anemia_and_normal_and_abnormal_spirometric_exams_/7816622
命令行下载
curl -L -o "Table 7.xls" "https://ndownloader.figshare.com/files/14544209"
文件清单
Table 7.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
Evaluation of the diagnostic accuracy of the machine learning algorithms using all FrOr parameters in detecting respiratory alterations in patients with sickle cell anemia and normal and abnormal spirometric exams.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0213257.t007（source: https://plos.figshare.com/articles/dataset/Evaluation_of_the_diagnostic_accuracy_of_the_machine_learning_algorithms_using_all_FrOr_parameters_in_detecting_respiratory_alterations_in_patients_with_sickle_cell_anemia_and_normal_and_abnormal_spirometric_exams_/7816622）。
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。
