Living Evidence Map Workflow 04 相关性筛选状态(run 39150923062)

该数据集为 Living Evidence Map Workflow 04 的稀疏相关性筛选状态,以稳定的规范 record_id 为键,将筛选决策叠加在 Workflow 03 状态之上,而不复制规范文献数据库

ZenodoZenodo
zenodo
2026-10-18 更新
浏览 9
其他分类Living Evidence MapWorkflow 04relevance screeningevidence synthesis
Living Evidence Map Workflow 04 relevance-screening state | run 39150923062

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-18

资源简介

Living Evidence Map Workflow 04 相关性筛选状态(run 39150923062)

Living Evidence Map Workflow 04 relevance-screening state | run 39150923062

该数据集为 Living Evidence Map Workflow 04 的稀疏相关性筛选状态,以稳定的规范 record_id 为键,将筛选决策叠加在 Workflow 03 状态之上,而不复制规范文献数据库。数据覆盖口颌系统疾病中的唇裂和腭裂主题,记录合格 50538 条、保留 23316 条、排除 27222 条、未解决 0 条。可用于证据合成流程中的相关性筛选环节复现与状态追踪(来源 DOI 解析)。

【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):Living Evidence Map Workflow 04 的稀疏相关性筛选状态。该状态以稳定的规范 record_id 为键,并将筛选决策叠加在确切的 Workflow 03 状态之上,而不是复制规范文献数据库。合格记录:50538;保留:23316;排除:27222;未解决:0。

【主题与分类】

主题标签:Living Evidence Map、Workflow 04、relevance screening、evidence synthesis。本站分类:口颌系统疾病/唇裂和腭裂。

【获取与许可】

源站页面:https://zenodo.org/doi/10.5281/zenodo.23458458

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

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

源站:https://doi.org/10.5281/zenodo.23458458

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

活证据地图工作流04的稀疏相关性筛选状态。该状态以稳定的规范record_id为键,并在确切的工作流03状态之上叠加筛选决策,而非复制规范文献数据库。合格记录:50538;保留:23316;排除:27222;未解决:0。

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。

获取专属数据定制方案