Advertisement

艾滋病数据集-图相似性搜索数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：AIDO99SD

简介：
本数据集聚焦于艾滋病相关研究，包含大量用于图相似性搜索的数据，旨在支持药物发现及疾病机理分析等领域的深入探究。 艾滋病：这是用于NCI/NIH开发和治疗计划的抗病毒筛查数据集。它包含42390个化合物，平均每个化合物有25.4个顶点和26.7个边。该数据集是一个大型图形数据库，在图形相似性搜索领域通常被使用。原始数据集下载后需要自行清洗。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 艾滋病数据集-图相似性搜索数据集
    优质
    本数据集聚焦于艾滋病相关研究，包含大量用于图相似性搜索的数据，旨在支持药物发现及疾病机理分析等领域的深入探究。 艾滋病：这是用于NCI/NIH开发和治疗计划的抗病毒筛查数据集。它包含42390个化合物，平均每个化合物有25.4个顶点和26.7个边。该数据集是一个大型图形数据库，在图形相似性搜索领域通常被使用。原始数据集下载后需要自行清洗。
     
  • 艾滋病病毒感染预测数据集 CSV格式含7.2万+条记录
    优质
    本数据集为CSV格式，包含超过72,000条记录，旨在用于研究和预测艾滋病病毒（HIV）感染情况，支持相关疾病的预防与控制工作。 数据集包含已诊断为艾滋病患者的医疗保健统计数据及分类信息。 字段包括： - 时间：失败或审查的时间。 - trt：治疗指示（0=仅 ZDV；1 = ZDV + ddI，2 = ZDV + Zal，3 = 仅 ddI）。 - 年龄：基线时的年龄（岁）。 - WTKG：基线时体重 （千克）。 - 血友病：是否患有血友病（0=否；1=是）。 - 同性恋活动：是否有同性恋活动（0=否，1=是）。 - 药物滥用历史：有无静脉注射毒品史（0=否，1=是）。 - Karnofsky 评分：基线时的Karnofsky评分（范围从0到100分）。 - oprior：在前175年中是否接受过非 ZDV 的抗逆转录病毒治疗（0 = 否；1 = 是）。 - z30：前175天内是否使用过ZDV ( 0=否， 1=是 )。 - Preanti: 前175年的抗逆转录病毒疗法情况 - 种族：种族分类（0=白人，1=非白人）。 - 性别：性别（0=F；1=M）。 - STR2：患者之前是否接受过任何类型的抗逆转录治疗 ( 0 = 初次使用, 1 = 经验丰富 )。 - strat：根据既往的抗逆转录病毒疗法进行分类，分为三种情况( 1=初次使用者，2=>1但<=52周的既往治疗者，3=>52周)。 - 症状指示器：患者是否出现症状 (0 = 渐进性；1 = 出现症状 )。 - 治疗方式：当前使用的具体治疗方案（0=仅 ZDV, 1=其他）。 - offtrt: 在96+-5周前是否有停药情况 ( 0=否， 1=是)。 - CD4细胞计数：基线时的CD4细胞数量以及20+-5周后的值；另外还有相应的基线和后续时间点上的CD8 细胞 计数。 - 感染者状态：是否感染艾滋病（0 = 否，1 = 是）。
     
  • 数学建模与艾滋病（2006年）
    优质
    《数学建模与艾滋病》是基于2006年的研究文献，探讨了如何运用数学模型来分析和预测艾滋病传播动态及其控制策略。该文结合实际案例，展示了数学在公共卫生领域的应用价值。 本段落讨论的问题核心在于如何对提供的统计数据进行分类处理。通过分析不同病情阶段患者体内CD4细胞及HIV病毒浓度的变化规律，我们采用了神经网络模型中的径向基函数（RBF）方法来进行曲线拟合，并预测了继续治疗的效果。同时，应用模糊综合评价方法来评估和预测不同的治疗方法。 对于问题一，根据CD4细胞数量与HIV病毒载量的不同水平将患者分为四类：A、B、C及D类。我们首先对病情相似的病人在不同时段的数据进行平均处理，以获取该类别病人体内浓度变化的一般规律。接着利用径向基函数网络方法拟合这些数据，并预测细胞和病毒浓度的变化趋势。 基于上述分析结果： - B类与D类患者的继续治疗效果显著，推荐持续治疗； - A类患者情况相对较好，但建议适时停止治疗； - C类患者对现有疗法反应不佳，同样应考虑提前终止治疗。
     
  • ntu_病毒性数据集
    优质
    NTU病毒性数据集是由新加坡南洋理工大学创建的一个包含大量病毒样本及其特征的数据集合，旨在促进学术界对计算机病毒和恶意软件的研究与分析。 该站点展示了从我们的研究型无人机（UAV）平台收集的数据集，这些数据集具有大量传感器：两个3D激光雷达、两个时间同步摄像机、多个惯性测量单元（IMU）、以及安装在UAV上的四个超宽带（UWB）节点，范围覆盖三个锚点。全面的传感器套件类似于自动驾驶汽车所使用的设备，但具备空中操作的独特且具挑战性的特点。飞行测试是在各种室内和室外条件下进行。 如果您使用此数据集中的某些资源，请引用为： @article{nguyen2021ntuviral, title={NTU VIRAL: A Visual-Inertial-Ranging-Lidar dataset, from an aerial vehicle viewpoint}, author={Nguyen, Thien-Minh and Yuan, Shenghai and Cao, Muqing and Lyu, Yang}
     
  • 十分相似的图像数据集
    优质
    十分相似的图像数据集是一套精心设计的数据集合，旨在促进计算机视觉领域的研究。该数据集中包含大量外观高度类似但细节有所区别的图片，挑战机器学习模型在复杂背景下的识别与分类能力，推动模式识别技术的进步。 处理后的十种分类图像数据集可以用于CNN卷积神经网络的训练。
     
  • 语义文本相似性数据集（dataset-sts).zip
    优质
    语义文本相似性数据集（dataset-sts)包含了多领域、多种语言的文本对，旨在评估机器理解自然语言的能力。通过标注每对文本在语义上的相似度评分，该数据集为研究语义理解和匹配提供了宝贵的资源。 dataset-sts是基于语义文本相似性的数据集。在这样的任务中，典型的A学习任务包括分类句子或文档序列，换句话说就是逼近函数f_1(s) ∈ [0,1]（例如：情绪判断等）。然而，在实际应用中存在许多难以解决的问题，并且这些问题通常涉及对句的理解和处理。
     
  • 糖尿病相关的数据集
    优质
    该数据集专注于收集和整理与糖尿病相关的各类信息，包括患者生理指标、生活习惯及治疗方案等，旨在促进疾病研究和个性化医疗的发展。 该糖尿病数据集包含768个样本，适用于机器学习研究。其主要目标是通过分析数据中的特定诊断指标来预测患者是否患有糖尿病。 这些样本是从一个更大的数据库中筛选出来的，并且满足一定的条件限制：所有参与的受试者均为至少21岁的Pima印第安女性。 该数据集包含多个医学相关变量和一个目标变量Outcome。其中，医学相关的预测因子包括患者的怀孕次数、BMI（身体质量指数）、胰岛素水平以及年龄等信息。 此外，本数据集记录了皮马人的医疗历史，并关注过去五年内他们是否患有糖尿病的情况。所有的数据都是以数值形式呈现的，问题的答案是二分类结果：1代表患者有糖尿病，0则表示没有。整个数据集中共有8个属性和一个类别变量。
     
  • LCQMC数据集——语义相似度测试集
    优质
    LCQMC数据集是一个专为中文设计的语义匹配测试集合，用于评估机器理解句子之间语义相似性的能力。 LCQMC 数据集是一个语义相似度数据集。这句话需要重复四次吗？如果只需要一次，请看下面的表述： LCQMC 数据集是用于研究语义相似度的数据集合。
     
  • 糖尿病血糖数据集-数据集
    优质
    该数据集包含大量糖尿病患者的血糖测量值及其他相关健康信息，旨在支持医疗研究与模型训练，帮助改善糖尿病管理及患者生活质量。 糖尿病之血糖数据集-数据集包含了与糖尿病患者相关的血糖记录和其他相关信息。该数据集旨在帮助研究者和医疗工作者更好地理解糖尿病的发展趋势及其管理方法。通过分析这些数据，可以发现潜在的模式、风险因素以及有效的治疗策略，从而改善患者的健康状况并提高生活质量。
     
  • 草莓病害相关数据集.rar
    优质
    该资源为一个关于草莓主要病害的数据集合，包含了多种病害的图像与相关信息，旨在用于农业领域病害识别研究和模型训练。 草莓病害数据集包含2类1565张RGB图像。