前循环与后循环动脉瘤患者每日大气因素与动脉瘤破裂事件数据集(2000–2023)-79264

该数据集收录了344例前循环与后循环动脉瘤破裂患者的每日大气温度、气压和日照时长记录,数据来自乌克兰Odesa单一临床中心,时间跨度为2000年至2023年,共二十三年

Mendeley DataMendeley Data
datacite
浏览 8
其他预测Subarachnoid HemorrhageDay LengthAneurysmAir PressureAir Temperature
Dataset of Daily Atmospheric Factors and Aneurysm Rupture Events in Patients with Anterior and Posterior Circulation Aneurysms (2000–2023)

基本信息

模态
其他
大小
0.000024692 GB
任务类型
预测
创建/更新时间
2026-10-07

资源简介

前循环与后循环动脉瘤患者每日大气因素与动脉瘤破裂事件数据集(2000–2023)

Dataset of Daily Atmospheric Factors and Aneurysm Rupture Events in Patients with Anterior and Posterior Circulation Aneurysms (2000–2023)

该数据集收录了344例前循环与后循环动脉瘤破裂患者的每日大气温度、气压和日照时长记录,数据来自乌克兰Odesa单一临床中心,时间跨度为2000年至2023年,共二十三年。数据集可用于分析环境因素对动脉瘤破裂发生的影响,支持围绕气温、气压、日照时长等大气变量与动脉瘤破裂事件之间关系的预测或回归建模研究(来源 DOI 解析)。

【数据集背景】

源站首次发布:2025。

【数据内容】

源站描述(机器翻译,仅供参考):该数据集包含344例前循环和后循环动脉瘤破裂患者的每日大气温度、气压和日照时长记录。数据采集自乌克兰Odesa的一家单一临床中心,时间跨度为二十三年(2000–2023)。该数据集用于分析环境因素对动脉瘤破裂发生的影响。

【主题与分类】

主题标签:Subarachnoid Hemorrhage、Day Length、Aneurysm、Air Pressure、Air Temperature。本站分类:心血管系统疾病/动脉瘤。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/43yxntcy2s

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://doi.org/10.17632/43yxntcy2s

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据集大小约 24.7 KB。

数据说明

该数据集包含344例前循环和后循环动脉瘤破裂患者每日的大气温度、气压和日照时长记录。数据来自乌克兰敖德萨的一家临床中心,收集时间跨度为二十三年(2000–2023年)。该数据集用于分析环境因素对动脉瘤破裂发生的影响。

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。

获取专属数据定制方案