附录S1 - 一种用于自动检测发作间期癫痫样放电的自适应系统
提供自适应系统自动检测癫痫放电的群组确定性计算文档。
基本信息
资源简介
附录S1 - 一种用于自动检测发作间期癫痫样放电的自适应系统
【数据集背景】
本数据集源站标题为《Appendix S1 - A Self-Adapting System for the Automated Detection of Inter-Ictal Epileptiform Discharges》。配套论文《A Self-Adapting System for the Automated Detection of Inter-Ictal Epileptiform Discharges》发表于 PLoS ONE（2014），DOI：10.1371/journal.pone.0085180。源站首次发布：2014-01-15。
【数据内容】
源站原始描述：Calculation of the group certainties. (PDF)
【数据结构与技术规格】
文件数 1 个，合计 20.72 KB。Appendix_S1.pdf：application/pdf，20.72 KB。数据集 DOI：10.1371/journal.pone.0085180.s001。
【主题与分类】
源站学科分类：Information and Computing Sciences、Medicine。主题标签：algorithms、Computer applications、Computer-assisted instruction、software engineering、Software tools、Clinical research design、epidemiology、Statistical methods、Clinical epidemiology、neurology。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/_A_Self_Adapting_System_for_the_Automated_Detection_of_Inter_Ictal_Epileptiform_Discharges_/901344
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：S. Lodder, Shaun; J. A. M. van Putten, Michel (2015). Appendix S1 - A Self-Adapting System for the Automated Detection of Inter-Ictal Epileptiform Discharges. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-06-02，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：Appendix S1 - A Self-Adapting System for the Automated Detection of Inter-Ictal Epileptiform Discharges
- DOI：10.1371/journal.pone.0085180.s001
- 发布日期：2014-01-15
- 文件数：1 个
- 文件总体积：20.72 KB
- 源站页面：https://plos.figshare.com/articles/dataset/_A_Self_Adapting_System_for_the_Automated_Detection_of_Inter_Ictal_Epileptiform_Discharges_/901344
命令行下载
curl -L -o "Appendix_S1.pdf" "https://ndownloader.figshare.com/files/1347717"
文件清单
Appendix_S1.pdf（20.72 KB）
文件总体积 20.72 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
Calculation of the group certainties.
(PDF)
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0085180.s001（source: https://plos.figshare.com/articles/dataset/_A_Self_Adapting_System_for_the_Automated_Detection_of_Inter_Ictal_Epileptiform_Discharges_/901344）。
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。
