胎儿中晚期至老年右心房隔区卵圆窝负异速生长的支持数据与分析代码
该数据集包含94例经福尔马林固定的人体尸检心脏的形态计量测量数据，覆盖胎儿期至出生后生命阶段，用于研究右心房隔区内卵圆窝的负异速生长
基本信息
资源简介
胎儿中晚期至老年右心房隔区卵圆窝负异速生长的支持数据与分析代码
Negative allometry of the fossa ovalis within the right atrial septal field from mid-gestation to old age: supporting data and analysis code
该数据集包含94例经福尔马林固定的人体尸检心脏的形态计量测量数据，覆盖胎儿期至出生后生命阶段，用于研究右心房隔区内卵圆窝的负异速生长。数据包括标本标识、年龄信息、分组、六项线性测量及衍生形态计量指数，并提供描述性统计、统计分析、敏感性分析与数值记录，以及实现统计分析和生成图2至图4及图S1的Python代码。该数据可用于心脏解剖发育研究及形态计量学异速生长分析（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该记录包含手稿《Negative allometry of the fossa ovalis within the right atrial septal field from mid-gestation to old age》的支持数据和分析代码。数据集包括来自94例经福尔马林固定的人体尸检心脏的形态计量测量，涵盖胎儿期和出生后生命阶段。Data S1包含标本标识符、年龄信息、分组分配、六项记录的线性测量和衍生形态计量指数。它包括基于公式的计算和存储的数值。Data S2包含描述性统计、统计分析、敏感性分析和数值记录。随附的Python代码实现统计分析并生成图2–4和S1。软件要求、随机种子、计算约定以及运行代码的说明在analysis_code档案内的README中提供。
【主题与分类】
主题标签：fossa ovalis、interatrial septum、cardiac anatomy,。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23482579
使用许可：Creative Commons Attribution 4.0 International。
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/10.5281/zenodo.23482579
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 327.4 KB。
数据说明
本记录包含手稿《妊娠中期至老年期右心房隔野内卵圆窝的负异速生长》的支撑数据与分析代码。数据集由94例经福尔马林固定的人体尸检心脏的形态学测量数据组成，涵盖胎儿期与出生后生命阶段。数据S1包含标本标识符、年龄信息、分组归属、六项记录的线性测量值以及衍生的形态学指数，既包括基于公式的计算结果，也包括存储的数值。数据S2包含描述性统计、统计分析、敏感性分析以及一份数值台账。随附的Python代码实现统计分析并生成图2至图4及图S1。软件要求、随机种子、计算约定以及代码运行说明见analysis_code压缩包内的README文件。
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。
