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
该数据集整合了临床文本、医学影像和患者临床表格等多模态数据，专注于通过机器学习平台技术（结合自然语言处理和深度学习图像识别）提升血液癌症患者侵袭性真菌感染的检测与诊断效率，旨在解决医院感染监测不足、诊断变异大等问题，支持临床决策、感染防控和临床试验研究。
基本信息
资源简介
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
【一句话概览】
血液癌症患者因免疫受损易发生危及生命的侵袭性真菌感染，医院虽投入大量药物费用，却不了解感染类型及结局。由于真菌在实验室中难以生长、人工监测繁重，医院未开展真菌感染监测，导致无法评估预防效果、暴发可能被忽视，也因缺乏罕见病大数据而难以按风险调整治疗。放射科报告差异也影响患者护理与临床试验。基于机器学习的平台技术结合自然语言处理、深度学习图像识别及专家系统中的临床数据整合，可弥补这些差距，惠及患者、医院、临床医生和试验申办方（来源 Research Data Australia，CC-BY-4.0 许可）。
【数据集背景】
本数据集源站标题为《Closing the gap in the detection and diagnosis of fungal infections in patients with blood cancers using a machine learning based platform technology》。源站首次发布：2022-05-05。
【数据内容】
源站原始描述：Invasive fungal infections cause a life-threatening pneumonia in patients with impaired immunity. Hospitals spend millions of dollars on drugs to manage these infections but are unaware of the types of infections affecting their patients and their outcomes. Surveillance of fungal infections is not occurring in hospitals because fungi infrequently grow in the laboratory and manual surveillance is onerous. As a result, clinicians and hospitals cannot evaluate the effectiveness of preventative effo…
中文译文（机器翻译，仅供快速理解，请以原文为准）：侵袭性真菌感染会在免疫功能受损的患者中引发危及生命的肺炎。医院花费数百万美元购买药物来应对这些感染，却并不了解影响其患者的感染类型及转归。医院未开展真菌感染监测，因为真菌在实验室中很少生长，且人工监测繁琐费力。因此，临床医生和医院无法评估预防措施的有效性，暴发可能被忽视，而根据风险制定个体化治疗也因这种罕见疾病缺乏大型数据集而受到阻碍。放射科医生的报告差异普遍存在，影响患者诊疗和临床试验。我们基于机器学习的平台技术整合了自然语言处理、基于深度学习的图像识别以及专家系统中的临床数据，能够弥合这些性能差距，使患者、医院、临床医生和试验申办方均从中获益。
【主题与分类】
主题标签：Machine Learning Models。
【获取与许可】
源站页面：https://researchdata.edu.au/closing-gap-detection-platform-technology/1948922
使用许可：CC-BY-4.0。
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
源站：https://researchdata.edu.au/closing-gap-detection-platform-technology/1948922
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
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。
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。
