罕见神经退行性疾病个体疾病进展预测：以ARSACS为例的代码与数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.10958730

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 129.3 KB。

数据说明

该仓库包含投稿至《AAPS J》修订版论文的脚本：罕见神经退行性疾病中个体疾病进展预测及参数不确定性——以常染色体隐性痉挛性共济失调Charlevoix Saguenay（ARSACS）为例。作者：Niels Hendrickx，理学硕士，France Mentré，医学博士，哲学博士，Andreas Traschütz，医学博士，哲学博士，Cynthia Gagnon，哲学博士，Rebecca Schüle，医学博士，ARCA研究组，EVIDENCE-RND联盟，Matthis Synofzik，医学博士，Emmanuelle Comets，哲学博士。仓库中包含一个模拟数据集（simulated_arsacs.csv），以便代码能够独立执行。除了描述文件的当前Readme之外，还提供了四个主要脚本。仓库还包括3个R对象和2个文件夹，这些在脚本运行时会覆盖，并作为预期输出的示例包含在内。主要脚本有：- Script_imputation_selection.R：运行协变量选择方法。它使用仓库中提供的模拟数据集。多重插补模型作为输入硬编码到mice包中，以生成10个插补数据集，保存在current_directory/imputed_data_sets/df_arsacs_mi_i.csv。

然后脚本运行协变量选择方法。脚本会打印出所选协变量的列表，并返回一个saemixObject，其中包含所选协变量模型的拟合结果。脚本执行后，将在当前目录下保存一个包含所选协变量名称的列表（仓库中提供了一个名为“cov_matrix_model.RData”的示例），选择过程的输出（包含完整的运行历史记录）将保存为“final_covariate_model.RData”，所选协变量名称的列表将保存为“list_covariates.RData”。- source_mi.R：包含Script_imputation_selection.R所使用的函数 - script_bootstrap_indfit.R：此脚本加载包含协变量效应矩阵（供saemix使用）的“cov_matrix_model.RData”以及“list_covariates.RData”，th

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。