2023年儿童脓毒症数据挑战赛

数据集获取

源站：https://search.dataone.org/view/sha256%3Add16b067e04250647d6e990becb6b2ab3e0f10aa476abbb67eaabd7fa92eadb1

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

目的：2023年儿科脓毒症数据挑战赛为解决中低收入国家缺乏适用的死亡率预测模型这一问题提供了契机。本次挑战赛要求参赛者仅使用所提供的合成数据集，开发一种可运行的开源算法，用于预测院内死亡率和住院时长。用于生成参赛者可用的真实世界数据（RWD）知情合成训练集的原始数据，来自一项前瞻性、多中心、观察性队列研究，研究对象为入住乌干达医院时年龄在6个月至60个月之间的疑似脓毒症儿童。为本次挑战赛，我们创建了一个基于RWD的合成生成训练数据集，以降低这一高度脆弱人群被重新识别的风险。合成训练集由原始数据（完整数据集A）的随机子集生成，该子集包含2686条记录（占总数据集的70%——训练数据集B）。所有挑战赛解决方案将针对其余1235条记录（占总数据集的30%——测试数据集C）进行评估。

数据说明：报告描述了训练数据集B与测试数据集C之间，以及合成数据集与测试数据集C之间单变量和双变量分布的比较。此外，还有一份报告展示了最大均值差异（MMD）和Kullback–Leibler（KL）散度统计量。受限文件注意事项：如果您尚未成为CoLab成员，请完成我们的会员申请调查，以便在2个工作日内获得受限文件的访问权限。部分文件可能仍仅限CoLab成员访问。这些文件被文件所有者视为更为敏感，需逐案共享。请联系CoLab协调员（sepsiscolab@bcchr.ca）或访问我们的网站。

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。