腰椎间盘疾病预测数据集

该数据集来自 kaggle.com,主题为腰椎间盘疾病预测,属于肌肉骨骼疾病范畴。数据包含患者六项反映腰椎间盘状况的特征,按两类(正常、异常)或(正常与椎间盘突出等)进行标注,可用于构建分类模型以区分正常与异常状态

MahtabLatifpourMahtabLatifpour
google_dataset
2024-09-06 更新
浏览 2
基因组分类health conditions
Lumbar disc disease prediction

基本信息

模态
基因组
大小
0.000075123 GB
任务类型
分类
许可
Unknown
创建/更新时间
2024-09-06
版本
v1

资源简介

腰椎间盘疾病预测数据集

Lumbar disc disease prediction

该数据集来自 kaggle.com,主题为腰椎间盘疾病预测,属于肌肉骨骼疾病范畴。数据包含患者六项反映腰椎间盘状况的特征,按两类(正常、异常)或(正常与椎间盘突出等)进行标注,可用于构建分类模型以区分正常与异常状态。数据由 Dr. Henry Da Meta 在法国里昂机械医学中心应用研究组住院医师期间采集,提供 ARFF 格式文件,适合在 WEKA 软件中用于数据挖掘(来源 Kaggle,Unknown 许可)。

【数据集背景】

源站首次发布:2024-09-06。

【数据内容】

源站描述(机器翻译,仅供参考):腰椎间盘疾病是一种使人衰弱的疾病,不幸的是,如今它已变得非常普遍,导致许多人遭受其苦。尽管医学科学取得了广泛进展,但针对该病的有效新诊断和治疗方法尚未找到,忽视它并任由疾病进展可能导致不良后果。本数据集包含患者信息,具有六个反映其腰椎间盘状况的特征,分为两类(正常、异常)或(正常与椎间盘突出等)。生物医学数据由 Dr. Henry Da Meta 在法国里昂机械医学中心应用研究组进行医学住院医师培训期间记录。该数据集以 ARFF 格式准备,适合与 WEKA 软件一起用于数据挖掘目的。

【数据结构与技术规格】

文件数 4 个,合计 75.12 KB。

【主题与分类】

主题标签:health conditions。本站分类:肌肉骨骼疾病/其他。

【获取与许可】

源站页面:https://www.kaggle.com/datasets/mslatifpour/lumbar-disc-disease-prediction

使用许可:Unknown。

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。

需登录

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。

暂未开放

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://kaggle.com/datasets/mslatifpour/lumbar-disc-disease-prediction

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 75.1 KB。

数据说明

MahtabLatifpour (2024). Lumbar disc disease prediction [Dataset]. https://www.kaggle.com/datasets/mslatifpour/lumbar-disc-disease-prediction

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