The dataset is provided by The Tri-Institutional Georgia State University/Georgia Institute of Technology/Emory University Center for Translational Research in Neuroimaging and Data Science (TReNDS). 本数据集由佐治亚州立大学、佐治亚理工学院和埃默里大学神经影像和数据科学转化研究中心联合出品。 brainimage_datasets.txt

用于健康预测模型的Python库（PyHealth） 部署，文档和统计 建筑状态，覆盖范围，可维护性和许可 发展状况：截至2021年1月4日，PyHealth处于积极发展阶段，处于alpha阶段。请关注，加注星标和获取最新功能！ PyHealth是针对医疗保健AI的全面Python软件包，专门为ML研究人员以及医疗保健和医学从业人员设计。 PyHealth接受各种医疗保健数据，例如纵向电子健康记录（EHR），连续信号（ECG，EEG）和临床记录（待添加），并支持使用深度学习和其他高级机器学习算法发布的各种预测建模方法，文学。 该图书馆由， 和的研究人员自豪地开发和维护。 PyHealth使许多重要的医疗保健任务变得可访问，例如表型预测，死亡率预测和ICU停留时间预测等。使用深度学习模型运行这些预测任务，在PyHealth中可以短到10行代码。 PyHealth包含三个主要模块：（i）

netAddHealth 迈克尔·梅特卡夫·毕晓普 数据来源：青少年健康的纵向研究 目的：使用R和igraph准备数据并创建功能以进行社交网络分析。按学校或社区应用功能来添加健康网络数据通常很方便。 参见最后的函数：makeIgraphList和makeVertexAttribList，可以轻松而有效地对其进行修改。 输出：igraphList是igraph对象的列表，每个社区一个net5，net5是导入net4的数据，再加上新的集中度 注意：更改代码的前几行中指示的数据的位置。 然后，如果您已经安装了三个列出的软件包，则可以立即执行其余代码。 致谢：我要感谢Joyce Tabor，James Moody和Peter McMahan的帮助，但任何错误都是我自己的。 细节： - Import SAS datasets: sfriend.xpt, Inschool.xpt, all

高考英语一轮复习UnitHealthyeating含解析新人教版必修3.pdf

smoking and health,smoking and health.docx

使用深度学习进行生存分析 该存储库包含基于贝叶斯深度学习的文章，论文和用于生存分析的存储库。 文件 Rajesh Ranganath，Adler Perotte，David Blei等人进行的深度生存分析。 JMLR 2016 资料来源： : 生存筛选器：Rajesh Ranganath，Adler Perotte，David Blei等人的“潜在时间序列的联合生存分析”。 2015年，阿拉伯联合酋长国资料来源： : DeepSurv：使用Cox比例危害深层神经网络的个性化治疗推荐系统，作者：Jared Katzman，Uri Shaham，Jonathan Bates，Alexander Cloninger，Tingting Jiang，Yuval Kluger。 ACML 2016 资料来源： : 具有竞争风险的生存分析的深层多任务高斯过程，作者：Ahmed M. Alaa

Mark L. Braunstein - Health Informatics on FHIR_ How HL7's New API is Transforming Healthcare (2018, Springer International Publishing)

资源来自pypi官网。 资源全名：aio_tiny_healthcheck-1.1.2.tar.gz

医疗保健行业包含非常大的敏感数据，需要非常小心地处理。 糖尿病是世界范围内日益严重的致命疾病之一。 医疗专业人员需要一个可靠的预测系统来诊断糖尿病。 不同的机器学习技术可用于从不同角度检查数据并将其概括为有价值的信息。 如果应用某些数据挖掘技术，海量数据的可访问性和可用性将能够为我们提供有用的知识。 主要目标是确定新模式，然后解释这些模式，为用户提供重要且有用的信息。 糖尿病会导致心脏病、肾病、神经损伤和失明。 以有效的方式挖掘糖尿病数据是一个至关重要的问题。 将发现数据挖掘技术和方法，以找到适当的方法和技术，以对糖尿病数据集进行有效分类并提取有价值的模式。 在这项研究中，医学生物信息学分析已经完成以预测糖尿病。 WEKA 软件被用作诊断糖尿病的挖掘工具。 Pima Indian 糖尿病数据库来自用于分析的 UCI 存储库。 对该数据集进行了研究和分析，以建立一个预测和诊断糖尿病疾病的有效模型。 在这项研究中，我们旨在应用自举重采样技术来提高准确性，然后应用朴素贝叶斯、决策树和 (KNN) 并比较它们的性能。

官方离线安装包，测试可用。使用rpm -ivh [rpm完整包名] 进行安装