SCALE-IPF:特发性肺纤维化严重程度分类与肺部评估预后模型

SCALE-IPF(特发性肺纤维化严重程度分类与肺部评估预后)模型是在 Assiut University IPF 研究计划(2022–2026)内开发的,作为一个经过验证的多域框架,用于评估特发性肺纤维化(IPF)的疾病严重程度和预后

Assuit UniversityAssuit University
google_dataset
2025-11-10 更新
浏览 11
其他预测特发性肺纤维化SCALE-IPF预后严重程度分类肺部评估风险分层临床模型
SCALE-IPF (Severity Classification and Lung Evaluation for Prognosis in Idiopathic Pulmonary Fibrosis)

基本信息

模态
其他
任务类型
预测
许可
cc-by-nc-nd-4.0
创建/更新时间
2025-11-10
版本
Version 1.0 (Locked Model Release)

资源简介

SCALE-IPF:特发性肺纤维化严重程度分类与肺部评估预后模型

SCALE-IPF(特发性肺纤维化严重程度分类与肺部评估预后)模型是在 Assiut University IPF 研究计划(2022–2026)内开发的,作为一个经过验证的多域框架,用于评估特发性肺纤维化(IPF)的疾病严重程度和预后

SCALE-IPF (Severity Classification and Lung Evaluation for Prognosis in Idiopathic Pulmonary Fibrosis)

【数据集背景】

源站首次发布:2025-11-11。

【数据内容】

源站描述(机器翻译,仅供参考):SCALE-IPF(特发性肺纤维化严重程度分类与肺部评估预后)模型是在 Assiut University IPF 研究计划(2022–2026)内开发的,作为一个经过验证的多域框架,用于评估特发性肺纤维化(IPF)的疾病严重程度和预后。它将临床、生理和影像域整合到一个统一评分系统中,能够准确地对轻度、中度和重度疾病进行分层,并预测一年临床结局。SCALE-IPF 是首个专门设计用于在急性加重和稳定期 IPF 队列中对齐风险分类与预后建模的工具。© 2025 Faculty of Medicine, Assiut University — Assiut, Egypt。保留所有权利,依据 CC BY-NC-ND 4.0 许可。通过 Zenodo 进行 DOI 注册的官方披露。

【数据结构与技术规格】

数据集 DOI:10.5281/zenodo.17575974。

【主题与分类】

主题标签:特发性肺纤维化、SCALE-IPF、预后、严重程度分类、肺部评估、风险分层、临床模型。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://zenodo.org/records/17575974

使用许可:cc-by-nc-nd-4.0。

【使用注意】

· 源站最后修改于 2025-11-10,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取(Zenodo 公开直链)

源站:https://zenodo.org/records/17575974

(注册/登录后按页面指引下载)

数据说明

SCALE-IPF(特发性肺纤维化预后严重程度分类与肺评估)模型是在Assiut大学IPF研究计划(2022—2026年)中开发的,作为一个经过验证的多域框架,用于评估特发性肺纤维化(IPF)的疾病严重程度和预后。该模型将临床、生理和影像学域整合为统一的评分系统,能够对轻度、中度和重度疾病进行准确分层,并预测一年临床结局。SCALE-IPF是首个专门设计用于在急性加重和稳定期IPF队列中使风险分类与预后建模相一致的工具。© 2025年Assiut大学医学院——埃及Assiut。根据CC BY-NC-ND 4.0许可协议保留所有权利。通过Zenodo进行DOI注册的官方披露。

许可

cc-by-nc-nd-4.0

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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。