阿尔茨海默病预测数据集(全球)

阿尔茨海默病预测数据集(全球)包含来自20个国家的74,283条记录,提供阿尔茨海默病风险因素相关信息,涵盖人口统计、生活方式、医疗和遗传变量,分布有偏以反映各地区现实差异

Ankush PandayAnkush Panday
google_dataset
2025-01-30 更新
浏览 15
其他分类classificationhealthhealth conditionsintermediatemulticlass classification
Alzheimer’s Prediction Dataset (Global)

基本信息

模态
其他
大小
0.010120913 GB
任务类型
分类
许可
MIT
创建/更新时间
2025-01-30
版本
v1

资源简介

阿尔茨海默病预测数据集(全球)

Alzheimer’s Prediction Dataset (Global)

阿尔茨海默病预测数据集(全球)包含来自20个国家的74,283条记录,提供阿尔茨海默病风险因素相关信息,涵盖人口统计、生活方式、医疗和遗传变量,分布有偏以反映各地区现实差异。该数据集可用于预测建模、流行病学研究及阿尔茨海默病医疗保健研究。数据集含1个文件,总字节10120913,源站标签包括分类、健康、健康状况、中级和多类分类,许可为MIT(来源 Kaggle,MIT 许可)。

【数据集背景】

源站首次发布:2025-01-30。

【数据内容】

源站描述(机器翻译,仅供参考):该数据集包含来自20个国家的74,283条记录,为阿尔茨海默病风险因素提供了见解。它包括人口统计学、生活方式、医学和遗传变量,其分布存在偏倚,以反映不同地区之间的现实差异。该数据集可用于阿尔茨海默病的预测建模、流行病学研究和医疗保健研究。

【数据结构与技术规格】

文件数 1 个,合计 10.12 MB。

【主题与分类】

主题标签:classification、health、health conditions、intermediate、multiclass classification。本站分类:神经系统疾病/阿尔茨海默病。

【获取与许可】

源站页面:https://www.kaggle.com/datasets/ankushpanday1/alzheimers-prediction-dataset-global

使用许可:MIT。

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://kaggle.com/datasets/ankushpanday1/alzheimers-prediction-dataset-global

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 10.1 MB。

数据说明

Ankush Panday (2025). 阿尔茨海默病预测数据集(全球)[数据集]. https://www.kaggle.com/datasets/ankushpanday1/alzheimers-prediction-dataset-global

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。