1型神经纤维瘤病临床特征预测建模数据
数据基于人工整理的 NF1 临床登记库与电子健康记录（EHR），共纳入 798 名个体，其中 578 人构成用于分析的儿科队列
基本信息
资源简介
1型神经纤维瘤病临床特征预测建模数据
Predictive modeling for clinical features associated with Neurofibromatosis Type 1
该数据集来自 search.dataone.org，围绕 Neurofibromatosis Type 1（NF1）相关临床特征开展纵向分析与预测建模。数据基于人工整理的 NF1 临床登记库与电子健康记录（EHR），共纳入 798 名个体，其中 578 人构成用于分析的儿科队列。研究利用机器学习策略探索性构建 optic pathway glioma（OPG）与 ADHD 的预测模型，并分析人口学与临床特征关联。数据可用于 NF1 儿科人群的预后研究与机器学习预测建模（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：基于人口学和临床特征，对与 Neurofibromatosis Type 1（NF1）相关的临床特征进行纵向分析，并应用机器学习策略，以确定在一个儿科 NF1 队列中开发 optic pathway glioma（OPG）和 attention-deficit/hyperactivity disorder（ADHD）探索性预测模型的可行性。方法：以 NF1 作为模型系统，我们利用人工整理的 NF1 临床登记库和电子健康记录（EHR）信息进行回顾性数据分析，并开发机器学习模型。共有 798 名个体的数据可用，其中 578 人构成用于分析的儿科队列。结果：队列中男性和女性分布均匀。相对于非白人同龄人，白人儿童更可能发生 OPG（OR：2.11，95%CI：1.11-4.00，p=0.02）。诊断时的中位年龄
【主题与分类】
主题标签：[ 92 ] Neurofibromatosis、[ 214 ] Primary brain tumor、[ 17 ] Prognosis、[ 305 ] ADHD。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A44d5564fa36e0f60e25618e542de46b7c715423f1e734c145c1d985a44c070a0
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
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
Philip Payne; Stephanie Morris; Aditi Gupta; Seunghwan Kim; Randi Foraker; David Gutmann (2025). Predictive modeling for clinical features associated with Neurofibromatosis Type 1 [Dataset]. http://doi.org/10.5061/dryad.nvx0k6drn
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。
