面向新生儿药物-不良反应关联异构建模的联邦知识驱动生物医学数据集
该数据集源自FDA不良事件报告系统(FAERS),聚焦新生儿药物不良反应(ADR)关联,覆盖140余种高危健康状况。数据共203616条实例、118512个唯一实例,涉及1976种药物与4993种不良反应,唯一药物-ADR对为118512

基本信息
资源简介
面向新生儿药物-不良反应关联异构建模的联邦知识驱动生物医学数据集
Federated Knowledge-Driven Biomedical Dataset for Heterogeneous Modeling of Neonatal Drug-Adverse Reaction Associations
该数据集源自FDA不良事件报告系统(FAERS),聚焦新生儿药物不良反应(ADR)关联,覆盖140余种高危健康状况。数据共203616条实例、118512个唯一实例,涉及1976种药物与4993种不良反应,唯一药物-ADR对为118512。数据经匿名化处理,适合联邦学习框架下的分布式预测分析,可用于新生儿ADR关联的异构建模与预测研究(来源 Mendeley Data)。
【数据集背景】
源站首次发布:2025-12-08。
【数据内容】
源站描述(机器翻译,仅供参考):面向新生儿药物-不良反应关联异构建模的联邦知识驱动生物医学数据集包含一个经过精心整理与丰富的数据集,旨在用于新生儿药物不良反应(ADR)的高级分析与预测建模。该数据集源自FDA不良事件报告系统(FAERS),重点聚焦于140余种高危健康状况下的新生儿病例。关键统计:总实例(行)数:203616;总唯一实例数:118512;唯一药物数:1,976;唯一不良反应数:4,993;药物-ADR关联总数:203,616;唯一药物-ADR对:118,512。该数据集非常适合联邦学习框架,可在确保患者隐私的前提下,实现来自多个生物医学来源的分布式预测分析。每个实例均经过匿名化处理,并以适合训练的格式进行结构化。
【数据结构与技术规格】
文件数 428 个,合计 67.24 MB。数据集 DOI:10.17632/ppd2c7sz8j.3。
【主题与分类】
主题标签:新生儿、药物不良反应、FAERS、联邦学习、生物医学、预测建模。本站分类:妊娠、分娩和产褥期。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/ppd2c7sz8j
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://data.mendeley.com/datasets/ppd2c7sz8j
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 67.2 MB。
数据说明
Ronalda M (2025). Federated Knowledge-Driven Biomedical Dataset for Heterogeneous Modeling of Neonatal Drug-Adverse Reaction Associations [Dataset]. http://doi.org/10.17632/ppd2c7sz8j.3
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。




