脊柱生物医学数据集

Data Set Information: 由Henrique da Mota博士在法国里昂Massues适应医学中心矫形外科应用研究组（GARO）医疗居住期间建立的生物医学数据集。数据组织在两个不同但相关的分类任务中。第一项任务是将患者分为三类：正常（100名患者）、椎间盘突出（60名患者）或脊椎滑脱（150名患者）。对于第二项任务，椎间盘突出症和腰椎滑脱症被合并为一个单独的类别，标记为“异常”。因此，第二项任务包括将患者分为两类：正常（100名患者）或异常（210名患者）。我们还提供在WEKA环境中使用的文件。 Attribute Information: Each patient is represented in the data set by six biomechanical attributes derived from the shape and orientation of the pelvis and lumbar spine (in this order): pelvic incidence, pelvic tilt, lumbar lordosis angle, sacral slope, pelvic radius and grade of spondylolisthesis. The following convention is used for the class labels: DH (Disk Hernia), Spondylolisthesis (SL), Normal (NO) and Abnormal (AB). Relevant Papers: (1) Berthonnaud, E., Dimnet, J., Roussouly, P. & Labelle, H. (2005). 'Analysis of the sagittal balance of the spine and pelvis using shape and orientation parameters', Journal of Spinal Disorders & Techniques, 18(1):40a€“47. (2) Rocha Neto, A. R. & Barreto, G. A. (2009). 'On the Application of Ensembles of Classifiers to the Diagnosis of Pathologies of the Vertebral Column: A Comparative Analysis', IEEE Latin America Transactions, 7(4):487-496. (3) Rocha Neto, A. R., Sousa, R., Barreto, G. A. & Cardoso, J. S. (2011). 'Diagnostic of Pathology on the Vertebral Column with Embedded Reject Optiona€?, Proceedings of the 5th Iberian Conference on Pattern Recognition and Image Analysis (IbPRIA'2011), Gran Canaria, Spain, Lecture Notes on Computer Science, vol. 6669, p. 588-595. Citation Request: Please refer to the Machine Learning Repository's citation policy

数据集信息：该生物医学数据集由Henrique da Mota博士在法国里昂Massues适应医学中心矫形外科应用研究组（GARO）进行医疗驻留研究期间构建。数据集包含两项独立但相关的分类任务。第一项分类任务将患者划分为三类：正常（100名患者）、椎间盘突出（60名患者）与脊椎滑脱（150名患者）。第二项分类任务将椎间盘突出症与腰椎滑脱症合并为“异常”单一类别，因此仅需将患者划分为两类：正常（100名患者）与异常（210名患者）。此外还提供了适用于WEKA环境的数据文件。

属性信息：数据集中每位患者由6项生物力学属性表征，这些属性源自骨盆与腰椎的形态及朝向（按此顺序）：骨盆入射角（pelvic incidence）、骨盆倾斜角（pelvic tilt）、腰椎前凸角（lumbar lordosis angle）、骶骨倾斜角（sacral slope）、骨盆半径（pelvic radius）与脊椎滑脱分级（grade of spondylolisthesis）。类别标签采用如下约定：DH（椎间盘突出，Disk Hernia）、SL（脊椎滑脱，Spondylolisthesis）、NO（正常，Normal）与AB（异常，Abnormal）。

相关文献：(1) Berthonnaud, E., Dimnet, J., Roussouly, P. & Labelle, H. (2005). 《利用形态与朝向参数分析脊柱与骨盆的矢状面平衡》，《脊柱疾病与技术期刊》(Journal of Spinal Disorders & Techniques)，18(1):40–47。(2) Rocha Neto, A. R. & Barreto, G. A. (2009). 《分类器集成在脊柱病变诊断中的应用：对比分析》，《IEEE拉丁美洲汇刊》(IEEE Latin America Transactions)，7(4):487-496。(3) Rocha Neto, A. R., Sousa, R., Barreto, G. A. & Cardoso, J. S. (2011). 《带内置拒绝选项的脊柱病变诊断》，第5届伊比利亚模式识别与图像分析会议（IbPRIA'2011）论文集，西班牙大加那利岛，《计算机科学讲义》(Lecture Notes on Computer Science)，第6669卷，第588-595页。

引用要求：请遵循机器学习存储库（Machine Learning Repository）的引用规范。

搜集汇总

背景与挑战

背景概述

脊柱生物医学数据集是一个用于脊柱病理诊断的生物医学数据集，包含310名患者的六项生物力学属性数据，支持三分类（正常、椎间盘突出、脊椎滑脱）和二分类（正常与异常）任务。数据集由Henrique da Mota博士在法国建立，适用于机器学习应用，如疾病分类研究。