Pennington/Louisiana NORC 生物样本库
该样本库包含以肥胖和营养为中心的试验数据，以及由美国国立卫生研究院、国防部、美国农业部、美国心脏协会、美国糖尿病协会和其他政府及非营利组织资助的研究数据
基本信息
资源简介
Pennington/Louisiana NORC 生物样本库
Pennington/Louisiana NORC Biorepository 是一个生物样本库与数据集合，汇集了自1980年以来在彭宁顿生物医学研究中心（Pennington Biomedical Research Center）开展的人体受试者研究中经过去标识化处理的数据。该资源以肥胖和营养相关试验为核心，同时涵盖由美国国立卫生研究院、国防部、美国农业部、美国心脏协会、美国糖尿病协会以及其他政府和非营利组织资助的研究所产生的数据。在本站分类中，该数据集归入循环系统疾病及其他类别，来源站为 my.pbrc.edu。作为一个跨越数十年的研究数据集合，它为探索代谢、营养与相关慢性疾病之间关系的研究者提供了一个可追溯的数据来源。
【数据集背景】
该样本库依托彭宁顿生物医学研究中心建立，其数据积累可追溯至1980年以来该中心开展的人体受试者研究。研究主题集中于肥胖与营养领域，并延伸至由多家政府机构与非营利组织资助的各类研究项目。资助方包括美国国立卫生研究院、国防部、美国农业部、美国心脏协会、美国糖尿病协会以及其他政府和非营利组织，反映出该样本库所覆盖研究在资金来源与研究方向上的多样性。
【数据内容】
该样本库收录的是来自人体受试者研究的去标识化数据。从研究主题看，数据主要围绕肥胖和营养展开，同时包含由上述资助机构支持的其他研究数据。源站未提供关于具体变量、样本类型、受试者数量、随访时长或数据文件格式的进一步说明。
【采集与来源】
数据来源于彭宁顿生物医学研究中心自1980年以来开展的人体受试者研究，经去标识化处理后纳入样本库。研究项目由美国国立卫生研究院、国防部、美国农业部、美国心脏协会、美国糖尿病协会及其他政府和非营利组织资助。源站未提供采集流程、去标识化方法或数据更新机制的具体细节。
【适用场景】
基于其以肥胖和营养为中心的研究构成，该样本库可用于与代谢、营养及体重相关问题的二次研究，也可用于涉及循环系统疾病及其他健康结局的探索性分析。由于数据来自多类资助项目，其适用范围可能涵盖不同研究设计下的数据再利用。源站未提供关于具体适用场景、分析类型或已验证应用案例的说明。
【使用方法】
源站未提供关于访问方式、申请流程、数据交付形式或使用工具的具体信息。
【质量与限制】
该样本库的数据为去标识化数据，来源于多年的人体受试者研究。源站未提供关于数据完整性、缺失情况、质量控制措施或已知局限的说明。
【引用与许可】
源站未提供关于引用格式、许可条款或使用限制的具体信息。
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。
需登录公开下载
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。
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
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:
数据说明
彭宁顿/路易斯安那州NORC生物样本库收集了自1980年以来在彭宁顿生物医学研究中心进行的人类受试者研究的去标识化数据。该样本库包括以肥胖和营养为中心的试验数据，以及由美国国立卫生研究院、国防部、美国农业部、美国心脏协会、美国糖尿病协会和其他政府及非营利组织资助的试验数据。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
