腰椎间盘突出循环炎症标志物数据集与分析代码
该数据集来自 springernature.figshare.com，包含 1 个 Excel 文件，为论文补充材料中的超参数搜索空间表
基本信息
资源简介
腰椎间盘突出循环炎症标志物数据集与分析代码
Additional file 2 of Predicting decompression surgery by applying multimodal deep learning to patients’ structured and unstructured health data
该数据集来自 springernature.figshare.com，包含 1 个 Excel 文件，为论文补充材料中的超参数搜索空间表。数据集主题涉及下背痛、腰椎管狭窄、腰椎间盘突出、减压手术预测等，标签涵盖深度学习、多模态、机器学习、分类与预测。配套论文发表于 European Spine Journal（2005 年），研究主观与客观指标的相互关系。该数据可用于了解相关研究的超参数设置，并作为腰椎疾病预测建模的参考材料（来源 figshare，CC BY + CC0 许可）。
【数据集背景】
配套论文《A prospective study of the interrelationship between subjective and objective measures of disability before and 2 months after lumbar decompression surgery for disc herniation》发表于 European Spine Journal（2005），DOI：10.1007/s00586-004-0787-0。项目资助方：National Institutes of Health National Institute of Arthritis and Musculoskeletal and Skin Diseases National Institute of Nursing Research。源站首次发布：2023-04-13。
【数据内容】
源站描述（机器翻译，仅供参考）：附加文件2：表S2. 超参数搜索空间
【数据结构与技术规格】
文件数 1 个，合计 5.10 KB。数据集 DOI：10.6084/m9.figshare.22610425.v1。
【主题与分类】
源站学科分类：Space Science、Medicine、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified。主题标签：Lower back pain、Lumbar spinal stenosis、Lumbar disc herniation、Deep learning、Generalizability、Multimodal、Machine learning、Decompression surgery、Prediction、Classification。本站分类：肌肉骨骼疾病/其他。
【适用方向】
源站学科分类标注为 Space Science、Medicine、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified。
【获取与许可】
源站页面：https://springernature.figshare.com/articles/dataset/Additional_file_2_of_Predicting_decompression_surgery_by_applying_multimodal_deep_learning_to_patients_structured_and_unstructured_health_data/22610425
使用许可：CC BY + CC0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Jujjavarapu, Chethan; Suri, Pradeep; Pejaver, Vikas; Friedly, Janna; Gold, Laura S.; Meier, Eric; et al. (2023). Additional file 2 of Predicting decompression surgery by applying multimodal deep learning to patients’ structured and unstructured health data. figshare. Dataset
【使用注意】
· 源站最后修改于 2023-06-21，引用时请注意版本时效。
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。
使用方式
数据集获取（Figshare）
- 源站标题：Additional file 2 of Predicting decompression surgery by applying multimodal deep learning to patients’ structured and unstructured health data
- DOI：10.6084/m9.figshare.22610425.v1
- 发布日期：2023-04-13
- 文件数：1 个
- 文件总体积：5.10 KB
- 源站页面：https://springernature.figshare.com/articles/dataset/Additional_file_2_of_Predicting_decompression_surgery_by_applying_multimodal_deep_learning_to_patients_structured_and_unstructured_health_data/22610425
命令行下载
curl -L -o "12911_2022_2096_MOESM2_ESM.xlsx" "https://ndownloader.figshare.com/files/40132531"
文件清单
12911_2022_2096_MOESM2_ESM.xlsx（5.10 KB）
文件总体积 5.10 KB（源站 API 实测）。
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。
数据说明
Additional file 2: Table S2. Hyperparameter Search Space
许可
CC BY + CC0
引用
学术使用请引用 DOI 10.6084/m9.figshare.22610425.v1（source: https://springernature.figshare.com/articles/dataset/Additional_file_2_of_Predicting_decompression_surgery_by_applying_multimodal_deep_learning_to_patients_structured_and_unstructured_health_data/22610425）。
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。
