用于预测UPDRS评分的支持向量回归结果
基于MFCC和EGEMAPS声学特征，使用支持向量回归预测帕金森病UPDRS评分的回归结果数据集。
基本信息
资源简介
用于预测UPDRS评分的支持向量回归结果
【数据集背景】
本数据集源站标题为《Results of the Support Vector Regression for predicting UPDRS scores.》。源站首次发布：2025-02-10。
【数据内容】
源站原始描述：Metrics are Root Mean Squared Error (RMSE) with standard errors. We note that the MFCC+EGEMAPS (acoustic) method uses 10-fold cross validation [26]
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。Table 2.xls：application/vnd.ms-excel，5.63 KB。数据集 DOI：10.1371/journal.pdig.0000757.t002。
【主题与分类】
源站学科分类：Sociology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified、Cancer。主题标签：prevalent neurodegenerative disorder、relevant linguistic features、large language models、current linguistic approaches、new models、language impairment、linguistic changes、symptom heterogeneity、subsequently diagnosing、spontaneous speech。
【适用方向】
音频数据可用于声学信号分析建模，如语音与呼吸音相关研究。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/Results_of_the_Support_Vector_Regression_for_predicting_UPDRS_scores_/28383990
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Crawford, Jonathan L. (2025). Results of the Support Vector Regression for predicting UPDRS scores.. PLOS Digital Health. Dataset
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：Results of the Support Vector Regression for predicting UPDRS scores.
- DOI：10.1371/journal.pdig.0000757.t002
- 发布日期：2025-02-10
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Results_of_the_Support_Vector_Regression_for_predicting_UPDRS_scores_/28383990
命令行下载
curl -L -o "Table 2.xls" "https://ndownloader.figshare.com/files/52246398"
文件清单
Table 2.xls（5.63 KB）
文件总体积 5.63 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
Metrics are Root Mean Squared Error (RMSE) with standard errors. We note that the MFCC+EGEMAPS (acoustic) method uses 10-fold cross validation [26].
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pdig.0000757.t002（source: https://plos.figshare.com/articles/dataset/Results_of_the_Support_Vector_Regression_for_predicting_UPDRS_scores_/28383990）。
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。
