基于机器学习平台技术缩小血液癌症患者真菌感染检测与诊断差距

数据集获取

源站：https://researchdata.edu.au/closing-gap-detection-platform-technology/1948922

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。

数据说明

该数据集旨在解决免疫功能低下患者（尤其是血液癌症患者）侵袭性真菌感染的检测与诊断难题。数据集整合了多模态数据，包括临床文本记录（如电子病历）、医学影像（如胸部X光或CT扫描）以及患者临床信息（如实验室结果和用药记录）。数据来源于医院实际临床环境，通过自然语言处理技术从文本中提取关键信息，并利用深度学习模型进行图像识别分析，最终构建专家系统以整合多源数据。主要研究方向为开发机器学习平台技术，以提升真菌感染的自动化监测、诊断准确性，辅助临床决策和医院感染防控，并支持临床试验的标准化评估。

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。