Living Evidence Map 去重状态归档 Workflow 01 run 38113970985 final
归档包含 41839 条 Manifestations、120964 条唯一增量配对决策以及 104 对残留人工复核配对，并保存配对决策状态、聚类重建输出、裁定审计记录，以及供下游流程使用的来源无关规范 JSONL
基本信息
资源简介
Living Evidence Map 去重状态归档 Workflow 01 run 38113970985 final
Living Evidence Map deduplication state | Workflow 01 run 38113970985 | final
本数据集是 Living Evidence Map Workflow 01 去重流程的持久化状态归档，对应 GitHub Actions run 38113970985，状态为 final。归档包含 41839 条 Manifestations、120964 条唯一增量配对决策以及 104 对残留人工复核配对，并保存配对决策状态、聚类重建输出、裁定审计记录，以及供下游流程使用的来源无关规范 JSONL。由于状态中包含来自授权或 API 来源的文献元数据，文件访问受限。该数据可用于证据综合中的去重流程复现、状态恢复与下游分析（来源 DOI 解析）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：Living Evidence Map Workflow 01 去重流程的持久化状态归档。GitHub Actions run 38113970985。状态：final。Manifestations：41839。唯一增量配对决策：120964。残留人工复核配对：104。该归档保留配对决策状态、聚类重建输出、裁定审计，并且对于 final 状态归档，还保留供下游流程使用的来源无关规范 JSONL。由于状态中包含来自授权/API 来源的文献元数据，文件访问受限。
【主题与分类】
主题标签：Living Evidence Map、evidence synthesis、deduplication、Workflow 01、final。本站分类：神经系统疾病/丛集性头痛。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23292471
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.23292471
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:
数据说明
用于Living Evidence Map工作流01去重管线的持久状态存档。GitHub Actions运行38113970985。状态：最终。表现形式：41839。唯一增量配对决策：120964。剩余人工审核配对：104。该存档保留了配对决策状态、聚类重建输出、裁定审计，并且对于最终状态存档，还保留了下游工作流使用的与来源无关的规范JSONL。由于该状态包含源自许可/API来源的书目元数据，因此文件受到限制。
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。
