ICU院内感染风险预测神经网络模型复制数据

用于ICU院内感染风险预测的合成表格数据集,用于神经网络模型的训练与验证。

DataONE
2020-07-15 更新
浏览 13
表格Mathematical SciencesMedicineHealth and Life SciencesComputer and Information ScienceEngineering
Replication Data for: A neural network for prediction of risk of nosocomial infection at intensive care units.

基本信息

模态
表格
大小
0.000002 GB
创建/更新时间
2020-07-15

资源简介

ICU院内感染风险预测神经网络模型复制数据

【一句话概览】

该数据集对应一项研究复现数据,主题为在重症监护病房中预测医院内感染风险的人工神经网络。源站描述提出一个初步人工神经网络模型,用于预测重症监护病房的医院内感染风险,并说明这些合成数据集被用于该网络的训练和验证。源站标签涵盖数学科学、医学、健康与生命科学、计算机与信息科学以及工程(来源 DataONE)。

【数据集背景】

本数据集源站标题为《Replication Data for: A neural network for prediction of risk of nosocomial infection at intensive care units.》。

【数据内容】

源站原始描述:It is proposed a preliminary Artificial Neural Network model for predicting the risk of nosocomial infection at Intensive Care Units. These synthetic datasets were used for training and validation of the network

中文译文(机器翻译,仅供快速理解,请以原文为准):提出了一种用于预测重症监护病房院内感染风险的初步人工神经网络模型。这些合成数据集被用于网络的训练和验证。

【主题与分类】

主题标签:Mathematical Sciences、Medicine, Health and Life Sciences、Computer and Information Science、Engineering。

【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://search.dataone.org/view/sha256:bb4780b2c616e970e712d8cfe0f8e36bd7704e0bc381c1d944bbf00ec71a8af9

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

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://search.dataone.org/view/sha256:bb4780b2c616e970e712d8cfe0f8e36bd7704e0bc381c1d944bbf00ec71a8af9

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 2.0 KB。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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