系统性红斑狼疮免疫球蛋白G N-糖基化修饰数据集

数据聚焦系统性红斑狼疮(SLE)患者免疫球蛋白 G 的 N-糖基化修饰,SLE 是一种以广泛炎症、多系统受累和疾病活动度波动为特征的慢性自身免疫病,严重程度评估对治疗决策和监测频率至关重要

SR ATHVIKASR ATHVIKA
google_dataset
2025-11-14 更新
浏览 1
蛋白质预测系统性红斑狼疮免疫球蛋白GN-糖基化修饰疾病严重程度免疫系统疾病SLE
dataset for N-glycosylation Modifications of Immunoglobulins G in Systemic Lupus Erythematosus

基本信息

模态
蛋白质
大小
0.000667465 GB
任务类型
预测
许可
Unknown
创建/更新时间
2025-11-14
版本
v1

资源简介

系统性红斑狼疮免疫球蛋白G N-糖基化修饰数据集

SLE Severity Prediction

该数据集来自 Kaggle,标题为 SLE Severity Prediction,包含 1 个 CSV 文件 SLE_severity_dataset.csv,由 SR ATHVIKA 于 2025-11-14 发布。数据聚焦系统性红斑狼疮(SLE)患者免疫球蛋白 G 的 N-糖基化修饰,SLE 是一种以广泛炎症、多系统受累和疾病活动度波动为特征的慢性自身免疫病,严重程度评估对治疗决策和监测频率至关重要。该数据可用于探索糖基化特征与疾病严重程度的关系,并构建严重程度预测模型(来源 Kaggle,Unknown 许可)。

【数据集背景】

源站首次发布:2025-11-14。

【数据内容】

源站描述(机器翻译,仅供参考):系统性红斑狼疮(SLE)是一种慢性自身免疫性疾病,以广泛炎症、多系统受累和高度波动的疾病活动度为特征,病情可从轻度到中度或重度。精确的严重程度评估在临床上至关重要,因为治疗决策——包括免疫抑制治疗的选择和强度,以及监测频率——直接由患者当前疾病活动水平指导。

【数据结构与技术规格】

文件数 1 个,合计 667.47 KB。

【主题与分类】

主题标签:系统性红斑狼疮、免疫球蛋白G、N-糖基化修饰、疾病严重程度、免疫系统疾病、SLE。本站分类:免疫系统疾病/其他。

【获取与许可】

源站页面:https://www.kaggle.com/datasets/srprojects/sle-severity-prediction

使用许可:Unknown。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

需登录

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。

暂未开放

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://kaggle.com/datasets/srprojects/sle-severity-prediction

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据集大小约 667.5 KB。

数据说明

SR ATHVIKA (2025). SLE Severity Prediction [Dataset]. https://www.kaggle.com/datasets/srprojects/sle-severity-prediction

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。

获取专属数据定制方案