PRJNA846922:RADx-rad 识别与管理儿童多系统炎症综合征(MIS-C)与川崎病的数据科学方法

该数据集来自 NCBI,属于感染性疾病/其他分类,主题标签为 Phenotype or Genotype。研究主要目标是设计并验证一套预测性决策支持系统,用于识别、治疗和管理与 SARS-CoV-2 相关的儿童多系统炎症综合征(MIS-C)

sra
浏览 8
表格预测Phenotype or Genotype
PRJNA846922: Rapid Acceleration of Diagnostics - Radical (RADx-rad): A Data Science Approach to Identify and Manage Multisystem Inflammatory Syndrome in Children (MIS-C) Associated With SARS-CoV-2 Infection and Kawasaki Disease in Pediatric Patients

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-20

资源简介

PRJNA846922:RADx-rad 识别与管理儿童多系统炎症综合征(MIS-C)与川崎病的数据科学方法

该数据集来自 NCBI,属于感染性疾病/其他分类,主题标签为 Phenotype or Genotype。研究主要目标是设计并验证一套预测性决策支持系统,用于识别、治疗和管理与 SARS-CoV-2 相关的儿童多系统炎症综合征(MIS-C)。研究改编并重新训练了此前在川崎病患者中训练的机器学习算法,川崎病是一种与 MIS-C 临床重叠但病因不同的儿童炎症性血管病。研究与国际川崎病登记处(IKDR)联盟合作完成。数据集包含本研究开发的所有算法的开发与国际验证数据,可用于 MIS-C 与川崎病的预测建模与验证(来源 ncbi.nlm.nih.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):本研究的主要目标是设计并验证一套预测性决策支持系统,用于识别、治疗和管理与 SARS-CoV-2 相关的儿童多系统炎症综合征(MIS-C)。为开发该系统,我们改编并重新训练了机器学习算法,这些算法此前已在川崎病患者中训练过,川崎病是一种儿童炎症性血管病,与 MIS-C 存在临床重叠但病因不同。本研究与国际川崎病登记处(IKDR)联盟合作完成。该数据集包含本研究开发的所有算法的开发与国际验证数据。

【主题与分类】

主题标签:Phenotype or Genotype。本站分类:感染性疾病。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA846922

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。

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://ncbi.nlm.nih.gov/bioproject/PRJNA846922

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

本研究的主要目标是设计并验证一种预测性决策支持系统,用于识别、治疗和管理与儿童多系统炎症综合征(MIS-C)相关的SARS-CoV-2。为了开发这一系统,我们调整并重新训练了机器学习算法,这些算法此前已在川崎病患者中进行了训练。川崎病是一种儿科炎症性血管病,与MIS-C在临床上存在重叠,但病因不同。本研究是与国际川崎病注册联盟(IKDR)合作完成的。该数据集包含了本研究中开发的所有算法的开发数据及国际验证数据。

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。

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。