面瘫预测因素（多变量线性回归）
该数据集来自 plos.figshare.com，包含 1 个文件（Table 2.xls），主题为面瘫预测因素的多变量线性回归分析
基本信息
资源简介
面瘫预测因素（多变量线性回归）
Predictive factors of facial palsy (multivariable linear regression).
该数据集来自 plos.figshare.com，包含 1 个文件（Table 2.xls），主题为面瘫预测因素的多变量线性回归分析。数据覆盖桥小脑角肿瘤、神经瘤手术、经迷路入路及肿瘤大小等相关变量，可用于探索面瘫发生的预测因素并支持回归建模分析（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2021-08-05。
【数据内容】
源站描述（机器翻译，仅供参考）：面神经麻痹的预测因素（多变量线性回归）。
【数据结构与技术规格】
文件数 1 个，合计 9.73 KB。数据集 DOI：10.1371/journal.pone.0253338.t002。
【主题与分类】
源站学科分类：Physical Sciences not elsewhere classified、Medicine、Cell Biology、Molecular Biology、Neuroscience、Biotechnology。主题标签：tumor control、meatus tumor removal、cerebellopontine angle tumor、neuroma surgery Objectives、translabyrinthine approach、translabyrinthine approach microsurgery、tumor size。本站分类：神经系统疾病/周围神经损伤。
【适用方向】
源站学科分类标注为 Physical Sciences not elsewhere classified、Medicine、Cell Biology、Molecular Biology、Neuroscience、Biotechnology。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/Predictive_factors_of_facial_palsy_multivariable_linear_regression_/15119304
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Chiang, Kuan-Wei; Hsu, Sanford P. C.; Yang, Tsui-Fen; Wang, Mao-Che (2021). Predictive factors of facial palsy (multivariable linear regression).. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-06-10，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：Predictive factors of facial palsy (multivariable linear regression).
- DOI：10.1371/journal.pone.0253338.t002
- 发布日期：2021-08-05
- 文件数：1 个
- 文件总体积：9.73 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Predictive_factors_of_facial_palsy_multivariable_linear_regression_/15119304
命令行下载
curl -L -o "Table 2.xls" "https://ndownloader.figshare.com/files/29059050"
文件清单
Table 2.xls（9.73 KB）
文件总体积 9.73 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
Predictive factors of facial palsy (multivariable linear regression).
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0253338.t002（source: https://plos.figshare.com/articles/dataset/Predictive_factors_of_facial_palsy_multivariable_linear_regression_/15119304）。
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。
