基于可解释机器与深度学习模型识别有呼吸道感染史的3至12岁儿童青少年肥胖风险因素的数据
该数据集为采用分层抽样方法收集的横断面调查数据，于2020年9月至2022年1月分两轮采集，覆盖北京及周边地区的儿童青少年
基本信息
资源简介
基于可解释机器与深度学习模型识别有呼吸道感染史的3至12岁儿童青少年肥胖风险因素的数据
Data from: Identification of obesity risk factors in 3−12-year-old children and adolescents with prior respiratory tract infections via interpretable machine and deep learning models
该数据集为采用分层抽样方法收集的横断面调查数据，于2020年9月至2022年1月分两轮采集，覆盖北京及周边地区的儿童青少年。调查内容包括儿童青少年的身体状况与生活习惯问卷，以及其母亲和围产期史信息。研究方案分别经中日友好医院伦理委员会和北京中医药大学伦理委员会审查批准，所有儿童父母或监护人均签署书面知情同意书。数据已严格去标识化，保留不超过三个间接标识符。该数据可用于识别3至12岁有呼吸道感染史儿童青少年的肥胖风险因素，并支持可解释机器学习和深度学习模型的构建与分析（来源 DOI 解析，Creative Commons Zero v1.0 Universal 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含采用分层抽样方法收集的横断面调查数据。数据收集于2020年9月至2022年1月间分两轮进行，涵盖北京及周边地区的儿童和青少年。调查包括关于儿童和青少年身体状况和生活习惯的问卷，以及关于其母亲和围产期史的信息。研究方案分别经中日友好医院伦理委员会和北京中医药大学伦理委员会审查批准。所有儿童的父母或监护人均签署了书面知情同意书。该数据集中所有涉及人类受试者的数据均已进行严格去标识化，保留不超过三个间接标识符。
【主题与分类】
主题标签：Children、Machine learning、Respiratory infections、Deep learning。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://datadryad.org/dataset/doi:10.5061/dryad.gf1vhhn44
使用许可：Creative Commons Zero v1.0 Universal。
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
源站：https://doi.org/10.5061/dryad.gf1vhhn44
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:
数据集大小约 524.4 KB。
数据说明
本数据集包含采用分层抽样方法收集的横断面调查数据。数据收集于2020年9月至2022年1月期间分两轮进行，涵盖了来自北京及周边地区的儿童和青少年。调查内容包括儿童和青少年身体状况和生活习惯的问卷，以及其母亲和围产期史的信息。研究方案分别经中日友好医院伦理委员会和北京中医药大学伦理委员会审查批准。所有儿童的父母或监护人均签署了书面知情同意书。本数据集中涉及人类受试者的所有数据均已进行严格的去标识化处理，保留的间接标识符不超过三个。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
