决策树算法 - 痛风患者的性别与共病
基于痛风患者年龄与共病预测性别的决策树算法图像数据集，包含三种深度，准确率74.4%。
基本信息
资源简介
决策树算法 - 痛风患者的性别与共病
【一句话概览】
该数据集含3个文件，合计7.6 MB。源站标题为“Decision Tree Algorithm - Sex and Comorbidities in gout”，原始描述显示，相关图表展示了用于预测痛风患者是男性还是女性的决策树算法，以年龄和合并症作为决策因素，并给出决策层级分别为6、7、8层的三种不同算法；模型准确率评分为74.4%（来源 Mendeley Data）。
【数据集背景】
本数据集源站标题为《Decision Tree Algorithm - Sex and Comorbidities in gout》。源站首次发布：2023-01-13。
【数据内容】
源站原始描述：The figures show decision tree algorithms built to predict whether a patient with gout is male or female, considering age and comorbidities as decision-makers. Three different algorithms are given, with 6, 7, and 8 levels of decision. The accuracy score of the model was 74.4%
中文译文（机器翻译，仅供快速理解，请以原文为准）：图中展示了为预测痛风患者是男性还是女性而构建的决策树算法，将年龄和合并症作为决策因素。共给出了三种不同的算法，分别有6、7和8个决策层级。该模型的准确率评分为74.4%。
【数据结构与技术规格】
文件数 3 个，合计 7.64 MB。数据集 DOI：10.17632/j4vf42jhkw.1。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/j4vf42jhkw
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
源站：https://data.mendeley.com/datasets/j4vf42jhkw
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
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。
