基于机器学习的新生儿囊性纤维化诊断数据集

资源简介

基于机器学习的新生儿囊性纤维化诊断数据集

【一句话概览】

该资源围绕“用机器学习诊断新生儿囊性纤维化”展开，相关标题指出，机器学习可使新生儿囊性纤维化诊断在 IRT-胰蛋白酶原免疫反应筛查项目中更准确、更高效，以减少假阳性。原始描述说明，其内容为用于训练文中模型的数据集及生成器代码。资源共含 9 个文件，合计 23.7 MB，采用 CC-BY-4.0 许可（来源 Zenodo，cc-by-4.0 许可）。

【数据集背景】

本数据集源站标题为《Cystic Fibrosis Diagnosis in Newborns with Machine Learning]{Newborn Cystic Fibrosis Diagnosis Made Accurate and Efficient with Machine Learning to Reduce False Positives in IRT-Trypsinogen Immunoreactive Screening Program》。源站首次发布：2023-11-14。

【数据内容】

源站原始描述：Datasets to training models in this article and generator code

中文译文（机器翻译，仅供快速理解，请以原文为准）：本文中用于训练模型的数据集和生成器代码。

主表 Dados Simulados 2021.csv 含 9 列、样本前 2000 行结构完整。

文件 Dados Simulados 2019.csv 为文本内容，开头为：Sexo,Etinia,Tempo de Gestacao(sem),Nutricao Parental,Tempo de coleta (h),Peso,Prim. Resultado Alterado,Prim. E Seg. Resultado Alterado,Confirmado 1,3,2,1,1,3,0…

【数据结构与技术规格】

文件数 9 个，合计 23.73 MB。数据集 DOI：10.5281/zenodo.10124846。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面：https://zenodo.org/records/10124846

使用许可：cc-by-4.0。