基于多任务深度学习的肝细胞癌共病与性别预测数据集（内部和外部队列）
基于多任务深度学习，利用HCC患者数据预测共病和性别，包含内部与外部队列。
基本信息
资源简介
基于多任务深度学习的肝细胞癌共病与性别预测数据集（内部和外部队列）
【数据集背景】
本数据集源站标题为《Multi-Task Deep Learning HCC-Based Comorbidity and Sex Predictions for Internal and External Cohorts.》。配套论文《Validation of a deep learning, value-based care model to predict mortality and comorbidities from chest radiographs in COVID-19》发表于 PLOS Digital Health（2022），DOI：10.1371/journal.pdig.0000057。源站首次发布：2022-08-01。
【数据内容】
源站原始描述：Multi-Task Deep Learning HCC-Based Comorbidity and Sex Predictions for Internal and External Cohorts
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。数据集 DOI：10.1371/journal.pdig.0000057.t002。
【主题与分类】
源站学科分类：Medicine、Chemical Sciences not elsewhere classified、Biological Sciences not elsewhere classified、Science Policy。主题标签：risk adjustment factor、logistic regression models、hierarchical condition category、electronic health records、congestive heart failure、absolute mean error、79 &# 8211、model &# 8217、based care model、85 &# 8211。
【适用方向】
源站学科分类标注为 Medicine、Chemical Sciences not elsewhere classified、Biological Sciences not elsewhere classified、Science Policy。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/Multi-Task_Deep_Learning_HCC-Based_Comorbidity_and_Sex_Predictions_for_Internal_and_External_Cohorts_/20412775
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Pyrros, Ayis; Fernandez, Jorge Rodriguez; Borstelmann, Stephen M.; Flanders, Adam; Wenzke, Daniel; Hart, Eric; et al. (2022). Multi-Task Deep Learning HCC-Based Comorbidity and Sex Predictions for Internal and External Cohorts.. PLOS Digital Health. Dataset
【使用注意】
· 源站最后修改于 2023-06-11，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（Figshare）
- 源站标题：Multi-Task Deep Learning HCC-Based Comorbidity and Sex Predictions for Internal and External Cohorts.
- DOI：10.1371/journal.pdig.0000057.t002
- 发布日期：2022-08-01
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Multi-Task_Deep_Learning_HCC-Based_Comorbidity_and_Sex_Predictions_for_Internal_and_External_Cohorts_/20412775
命令行下载
curl -L -o "Table 2.xls" "https://ndownloader.figshare.com/files/36500203"
文件清单
Table 2.xls（5.63 KB）
文件总体积 5.63 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
Multi-Task Deep Learning HCC-Based Comorbidity and Sex Predictions for Internal and External Cohorts.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pdig.0000057.t002（source: https://plos.figshare.com/articles/dataset/Multi-Task_Deep_Learning_HCC-Based_Comorbidity_and_Sex_Predictions_for_Internal_and_External_Cohorts_/20412775）。
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。
