Synthea合成患者数据-肺癌风险预测机器学习
Synthea合成的患者数据，用于肺癌风险预测的机器学习模型训练。
基本信息
资源简介
Synthea合成患者数据-肺癌风险预测机器学习
【一句话概览】
本数据集是 DOI 解析 公开的结构化表格数据集，主题涵盖 Computer and Information Science、Medicine, Health and Life Sciences、synthetic patient、synthea、machine learning，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《Synthea synthetic patient data for lung cancer risk prediction machine learning》。源站首次发布：2022。
【数据内容】
源站原始描述：This dataset contains Synthea synthetic patient data used in building ML models for lung cancer risk prediction. The ML models are used to simulate ML-enabled LHS. This open dataset is part of the synthetic data repository of the Open LHS project on GitHub: For data source and methods, see the first ML-LHS simulation paper published in Nature Scientific Reports
中文译文（机器翻译，仅供快速理解，请以原文为准）：本数据集包含用于构建肺癌风险预测ML模型的Synthea合成患者数据。这些ML模型用于模拟ML赋能的LHS。该开放数据集是GitHub上Open LHS项目合成数据仓库的一部分：https://github.com/lhs-open/synthetic-data。有关数据来源和方法，请参阅发表在Nature Scientific Reports上的首篇ML-LHS模拟论文：https://www.nature.com/articles/s41598-022-23011-4。
【主题与分类】
主题标签：Computer and Information Science、Medicine, Health and Life Sciences、synthetic patient、synthea、machine learning、lung cancer、risk prediction、LHS、EHR Patient data machine learning。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/GD5XWE
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
源站：https://doi.org/10.7910/DVN/GD5XWE
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（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
