抗NMDAR脑炎合成数据集 v1.0
该数据集为面向抗NMDAR脑炎研究的合成数据集，模拟这一常被误诊为原发性精神疾病的罕见自身免疫性疾病。数据涵盖确诊、疑似与误诊三类病例轨迹，包含脑脊液抗体滴度与MRI等生物标志物演变、从前驱期到康复的症状轨迹、免疫治疗与肿瘤切除的治疗反应模式，以及诊断延迟建模，可用于基于机器学习的早期检测研究
基本信息
资源简介
抗NMDAR脑炎合成数据集 v1.0
Anti-NMDAR Encephalitis Synthetic Dataset v1.0
该数据集为面向抗NMDAR脑炎研究的合成数据集，模拟这一常被误诊为原发性精神疾病的罕见自身免疫性疾病。数据涵盖确诊、疑似与误诊三类病例轨迹，包含脑脊液抗体滴度与MRI等生物标志物演变、从前驱期到康复的症状轨迹、免疫治疗与肿瘤切除的治疗反应模式，以及诊断延迟建模，可用于基于机器学习的早期检测研究。数据由MentalData.io生成，不含真实患者数据，采用CC BY-NC 4.0许可（来源 DOI 解析，Creative Commons Attribution Non Commercial 4.0 International 许可）。
【数据集背景】
源站首次发布：2025。
【数据内容】
源站描述（机器翻译，仅供参考）：用于抗NMDA受体脑炎研究的科研级合成数据集。该合成数据集模拟抗NMDAR脑炎——一种常被误诊为原发性精神疾病的罕见自身免疫性疾病。包含确诊、疑似和误诊的病例轨迹。主要特征：多阶段病例分类：确诊、疑似、误诊；生物标志物演变（脑脊液抗体滴度、MRI表现）；从前驱期到康复的症状轨迹；治疗反应模式（免疫治疗、肿瘤切除）；面向基于ML的早期检测研究的诊断延迟建模。由MentalData.io生成，用于罕见神经精神疾病研究。不含真实患者数据。许可：CC BY-NC 4.0
【主题与分类】
主题标签：synthetic-data、anti-nmdar-encephalitis、autoimmune-encephalitis、neuropsychiatry、rare-disease、biomarkers、misdiagnosis。本站分类：肿瘤。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.17945251
使用许可：Creative Commons Attribution Non Commercial 4.0 International。
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/10.5281/zenodo.17945251
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:
数据集大小约 23.9 KB。
数据说明
用于抗NMDA受体脑炎研究的高等级合成数据集 该合成数据集对抗NMDAR脑炎进行建模，这是一种罕见的自身免疫性疾病，常被误诊为原发性精神疾病。数据集包含确诊病例、可能病例和误诊病例的病程轨迹。关键特征：多阶段病例分类：确诊病例、可能病例、误诊病例 生物标志物演变（脑脊液抗体滴度、MRI表现） 从前驱期到恢复期的症状轨迹 治疗反应模式（免疫治疗、肿瘤切除） 用于基于机器学习的早期检测研究的诊断延迟建模 由MentalData.io生成，用于罕见神经精神疾病研究。不含真实患者数据。许可证：CC BY-NC 4.0
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。
