儿科脓毒症数据挑战数据集

该数据集是一个基于乌干达真实医院数据生成的合成临床表格数据集，包含儿科脓毒症患者的临床指标与实验室检测结果等结构化数据，主要用于脓毒症预测和医学数据分析研究，支持开发机器学习模型以预测儿科脓毒症患者的住院死亡率。

github

2024-11-21 更新

脓毒症预测医学数据分析

基本信息

创建/更新时间

2024-11-21

资源简介

该数据集是一个基于乌干达真实医院数据生成的合成数据集，旨在预测儿科脓毒症患者的住院死亡率。数据集包含训练数据文件（SyntheticData_Training.csv）及对应的数据字典（SyntheticData_DataDictionary_V1.docx），涵盖了临床指标、实验室检测结果等结构化数据。该数据集主要用于医学数据分析与脓毒症预测研究，支持机器学习模型在儿科重症监护领域的开发与验证。

原始链接

https://github.com/Kamaleswaran-Lab/The-2024-Pediatric-Sepsis-Challenge

访问原始数据

官方服务

如需原始数据获取支持或标注服务，请联系我们。

帮我联系

下载信息

注册下载

Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。

暂未开放

公开下载

Tips: 该数据集属于公开下载，应该可以免费公开下载。

免登录

有偿下载

Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。

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

千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。

使用方式

数据集获取

git clone https://github.com/Kamaleswaran-Lab/The-2024-Pediatric-Sepsis-Challenge.git

curl -L -o repo.zip https://github.com/Kamaleswaran-Lab/The-2024-Pediatric-Sepsis-Challenge/archive/refs/heads/main.zip
unzip repo.zip

源站 README 摘录（使用方式）

1. Data and Code Requirements

Dataset

Provided Dataset: Synthetic data derived from real hospital data from Uganda, use file SyntheticData_Training.csv as training data, and SyntheticData_DataDictionary_V1.docx as data dictionary.
Feature Constraints: Your algorithm should exclusively use the provided dataset variables for predictions.

Submission Requirements

Code and Model: Submit both:
- Training Code: All scripts and code required for training the model.
- Trained Model: The model file generated from your code.
- Language: Submissions must be in Python; however, R, and MATLAB submissions are no longer acceptable. Python is recommended to facilitate baseline comparisons.

Code Validity

Environment: Code will run in a containerized setup.
Execution Time: Maximum 24 hours for training, with 8 hours allocated for validation and testing.
Autonomous Execution: Ensure your code can execute end-to-end without manual intervention.
- Dependencies: List all dependencies in requirements.txt or a compatible environment configuration file.

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