<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[u014641860的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/u014641860</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u014641860]]></copyright><item><title><![CDATA[最新乳腺X光片数据集：专为乳腺癌检测AI模型优化设计，覆盖钼靶影像的小病灶检测与无监督域适应（UDA）研究，适用于Detectron2/MMDetection框架的COCO格式]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/162210626</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/162210626</guid><author>u014641860</author><pubDate>Mon, 22 Jun 2026 20:12:21 +0800</pubDate><description><![CDATA[摘要： 最新发布的乳腺X光片数据集（RSNA-BSD1K）专为乳腺癌检测AI模型优化设计，包含1000张临床钼靶影像，其中200例恶性病例由专家放射科医生完成边界框级标注，聚焦微钙化等小病灶检测。该数据集针对AI落地痛点：1）高质量标注稀缺问题，提供毫米级病灶精准标注；2）跨域泛化难题，支持无监督域适应（UDA）研究，涵盖不同设备/协议的域差异量化；3）高假阳性率挑战，提供临床关键指标（FPI、敏感性）。数据集采用COCO标准格式，适配主流检测框架（如Detectron2），配套代码示例支持快速开发，助力乳]]></description><category></category></item><item><title><![CDATA[【喘息性肺炎多模态临床医疗数据集——胸部CT影像、检验报告与超声心电的整合标注资源]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/162058800</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/162058800</guid><author>u014641860</author><pubDate>Wed, 17 Jun 2026 11:19:01 +0800</pubDate><description><![CDATA[摘要： 本数据集围绕喘息性肺炎的诊断需求，整合了一名85岁男性患者的完整多模态医疗数据，包括668张DICOM格式胸部CT影像（肺窗+纵隔窗双序列）、7份结构化临床报告（血检、尿检、心电图、心脏超声等）及101项实验室指标（异常率11.9%），总规模约345MB。数据特点在于真实临床场景下的多模态完整性，涵盖影像、检验与功能学评估，并经过严格脱敏处理。适用于肺炎智能诊断模型训练、检验数据异常分析、医学NLP、多模态融合决策系统及老年合并症研究，为医学AI提供高质量的真实世界研究资源。]]></description><category></category></item><item><title><![CDATA[“月薪可以不多，但快乐一定要够。”——月薪喵鼠标指针，把这只布偶喵星人请进电脑！]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/162058422</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/162058422</guid><author>u014641860</author><pubDate>Wed, 17 Jun 2026 10:10:30 +0800</pubDate><description><![CDATA[这一次做的是月薪喵鼠标指针皮肤！这套来自那只“原汁原味当代年轻人生活写照”的布偶喵星人，动态的只有Windows可以用哦，想调多大就调多大，买一次永久用，家里公司几台电脑随便装，在桌面上陪伴一整天，换上看电脑心情都变好了。]]></description><category></category></item><item><title><![CDATA[中文医学基准测试题库数据集：28万条标准化JSON格式医师考试题目与临床案例分析，覆盖28个医学专业领域，用于医学AI模型训练、临床决策支持系统开发、医学知识问答系统构建、医学教育辅助工具优化]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/155829293</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/155829293</guid><author>u014641860</author><pubDate>Fri, 12 Dec 2025 00:15:39 +0800</pubDate><description><![CDATA[# 中文医学基准测试题库数据集：28万条标准化JSON格式医师考试题目与临床案例分析，覆盖28个医学专业领域，用于医学AI模型训练、临床决策支持系统开发、医学知识问答系统构建、医学教育辅助工具优化

### 引言与背景

在人工智能技术快速发展的今天，医疗健康领域正迎来前所未有的变革机遇。医学人工智能系统的研发与应用已成为推动医疗服务质量提升、降低医疗成本、提高诊疗效率的重要途径。然而，构建高质量的医学AI系统面临着诸多挑战，其中最为关键的是缺乏标准化、大规模、高质量的医学知识数据集。]]></description><category></category></item><item><title><![CDATA[伊朗地毯数据集，波斯地毯Lechak-Toranj和Afshan图案分类，计算机视觉机器学习训练，纺织设计分析增强样本，装饰艺术特征提取对称检测算法，纹理分析Gabor滤波，个性化定制图案生成]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/155829236</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/155829236</guid><author>u014641860</author><pubDate>Fri, 12 Dec 2025 00:01:53 +0800</pubDate><description><![CDATA[本文介绍了一个专注于伊朗传统地毯图案的高质量图像数据集，包含1420张图像（284张原始图像及其3种增强版本）。数据集聚焦Lechak-Toranj（中心对称）和Afshan（自由散落）两种典型波斯地毯图案，类别分布均衡。其特色在于&quot;原始+增强&quot;双样本体系，通过灰度图、拉普拉斯滤波和Gabor滤波三种增强方式提升数据复用性。该数据集可广泛应用于机器学习模型训练、文化遗产数字化保护、纺织设计创新和计算机视觉研究，特别是在图案分类、特征提取和对称检测算法开发方面具有重要价值。数据集的高分辨率]]></description><category></category></item><item><title><![CDATA[最新药物数据集下载：来自Drugs.com的权威结构化数据，包含药物通用名、品牌名、适应症、副作用清单、安全分类（妊娠/酒精/管制）、药物评级与公众评价，医疗AI研究、机器学习模型训练、药物安全性]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/155792225</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/155792225</guid><author>u014641860</author><pubDate>Thu, 11 Dec 2025 04:30:00 +0800</pubDate><description><![CDATA[摘要：Drugs.com提供的结构化药物数据集包含药物通用名、品牌名、适应症、副作用、安全分类及评级信息，采用CC0许可并定期更新。该数据集经过专业预处理，具有高质量、全面安全信息覆盖和结构化评级等核心优势，适用于医疗研究、AI模型开发、可视化分析和健康应用创新。特别适合药物安全性评估、副作用预测及个性化用药指导等场景，为研究人员节省数据清洗时间，可直接用于分析建模。（149字）]]></description><category></category></item><item><title><![CDATA[【Spotify 音乐ML练习数据集含158 个特征，11.4 万 + 数据，机器学习入门必备】]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/155792126</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/155792126</guid><author>u014641860</author><pubDate>Thu, 11 Dec 2025 00:01:08 +0800</pubDate><description><![CDATA[Spotify音乐ML数据集摘要 本Spotify机器学习练习数据集专为入门者设计，包含11.4万+歌曲记录和158个特征，涵盖流行度评分、音频特征、流派标签及艺术家统计量等。数据集经过特征工程处理，扩展了原始24个特征，新增了如&quot;欢快指数&quot;、&quot;速度与流派对比&quot;等复合特征。支持三大机器学习任务：回归(预测流行度)、分类(流派预测)和聚类(情绪分组)，提供完整的端到端ML管道实践。特别包含114个流派哑变量和两种情绪聚类标签，适合不同难度级别的模型训练与评估。]]></description><category></category></item><item><title><![CDATA[【Python数据分析实战：从10万篇微信公众号文章中挖掘公众号的“爆款基因”（附完整代码）​】]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/155792109</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/155792109</guid><author>u014641860</author><pubDate>Wed, 10 Dec 2025 23:56:02 +0800</pubDate><description><![CDATA[本文基于10万篇微信公众号文章数据集，采用数据科学方法挖掘爆款内容规律。通过构建综合传播力指标（考虑标题长度、内容质量、情感强度等维度），利用LDA话题建模识别出6类主要话题。研究发现职场技能类和情感生活类内容传播力最高，高传播力文章普遍具有实用性强、情感共鸣等特点。情感分析显示两极分化的情绪表达更受欢迎。文章完整展示了从数据准备、特征工程到统计分析和机器学习建模的全过程，为内容创作提供数据驱动的方法参考。]]></description><category></category></item><item><title><![CDATA[餐饮行业评论数据集：93,286条正面评价与7,921条负面评价的完整中文语料库，可用于情感分析，AI评论生成训练，助力AI情感识别模型训练与餐饮行业智能分析应用]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/155542445</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/155542445</guid><author>u014641860</author><pubDate>Wed, 03 Dec 2025 22:17:33 +0800</pubDate><description><![CDATA[本文介绍了一个高质量的中文餐饮评价情感分析数据集，包含101,207条真实用户评论（93,286条正面评价和7,921条负面评价）。该数据集覆盖多种餐饮类型，内容涉及菜品口味、服务质量等多维度，具有数据规模大、标注质量高、行业针对性强等特点。数据样例展示了丰富的评价内容，包括具体消费体验和情感表达。该数据集为情感分析算法研究、餐饮行业智能分析提供了宝贵资源，支持机器学习模型训练和实际商业应用，具有重要的研究和实用价值。]]></description><category></category></item><item><title><![CDATA[中国大学题库数据集包含24个学科领域：STEM教育数据库、理工科题库、计算机科学题库、JSON格式结构化数据]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/155542212</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/155542212</guid><author>u014641860</author><pubDate>Wed, 03 Dec 2025 22:08:55 +0800</pubDate><description><![CDATA[中国大学题库数据集是一个结构化JSON格式的教育资源库，包含23,000道题目，覆盖24个学科领域（包括STEM教育、理工科、计算机科学等）。数据集采用标准化JSON结构，各学科题目数量均衡（每学科1000道），包含多种题型（35.6%为单选题）。数据优势在于全面性、均衡性和标准化，适用于智能题库开发、自适应学习算法训练等教育技术研究。部分题目配有详细解析，支持跨学科知识迁移学习。该数据集为教育数字化转型提供了丰富的数据基础。]]></description><category></category></item><item><title><![CDATA[17万+知识点英语维基百科数据集：205万行权威文本语料库驱动AI模型训练与智能系统开发]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/155359277</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/155359277</guid><author>u014641860</author><pubDate>Fri, 28 Nov 2025 21:50:25 +0800</pubDate><description><![CDATA[摘要： 该数据集基于英语维基百科构建，包含205万行文本、174,689个知识点，覆盖科学、历史、文化等多领域内容。采用纯文本格式，结构清晰，质量权威，适用于AI模型训练。核心优势包括大规模、多领域覆盖、高质量和易处理性。典型应用场景包括：1）训练大型语言模型，提升模型知识广度；2）开发智能问答系统，支持知识密集型查询；3）构建知识图谱，实现结构化知识表示。数据集为自然语言处理研究和商业应用提供了优质的英文语料资源。]]></description><category></category></item><item><title><![CDATA[569 样本 + 30FNA 特征 Breast Cancer Wisconsin 数据集 | 标准化 + 线性回归 + K-means 适配 | 乳腺肿瘤良恶性诊断 | 医学数据 / 机器学习]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/153269613</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/153269613</guid><author>u014641860</author><pubDate>Tue, 14 Oct 2025 17:48:07 +0800</pubDate><description><![CDATA[摘要：乳腺肿瘤诊断数据集（Breast Cancer Wisconsin）包含569例细针抽吸样本的30个细胞核量化特征（半径、纹理、凹度等），用于良恶性分类。该数据集优势在于：1）特征与临床诊断强相关；2）提供完整预处理方案（标准化、标签编码）；3）支持监督学习（线性回归预测准确率95%）和无监督学习（K-means聚类匹配率92%）。通过代码实现特征标准化、3折交叉验证和肘部法则优化，可快速构建诊断模型。数据公开且质量高，适用于医学AI研究入门与进阶分析。]]></description><category></category></item><item><title><![CDATA[手把手教你用 Python 做桌面宠物！零基础也能搞定的专属桌宠教程]]></title><link>https://blog.youkuaiyun.com/u014641860/article/details/152124277</link><guid>https://blog.youkuaiyun.com/u014641860/article/details/152124277</guid><author>u014641860</author><pubDate>Fri, 26 Sep 2025 15:02:28 +0800</pubDate><description><![CDATA[本文介绍了一个使用Python开发的桌面宠物项目，主要包含以下内容： 功能特点：支持显示动态GIF、拖拽移动、调节透明度和自动播放 开发步骤： 环境准备：安装Python、PyCharm和Pillow库 核心功能搭建：创建透明窗口、右键菜单和控制栏 新增安全功能：文件哈希验证和错误日志记录 实现细节： 动图加载与播放处理 拖拽和缩放功能 配置保存与恢复 打包发布：使用PyInstaller生成exe可执行文件 该项目采用面向对象设计，包含完善的错误处理机制，适合Python初学者学习GUI开发。]]></description><category></category></item></channel></rss>