血管异常严重程度评分检索策略数据集
各数据库的检索结果数量与检索式以 rtf 文件形式提供。该数据可用于复现或更新相关系统综述的文献检索，支持血管异常严重程度评分领域的证据梳理（来源 DataONE， 许可）
基本信息
资源简介
血管异常严重程度评分检索策略数据集
Severity scores for vascular anomalies
该数据集来自 search.dataone.org，收录针对 PubMed、Medline (Ovid)、Embase (Ovid)、All EBM reviews (Ovid) 和 Cinahl (EBSCO) 的检索策略，用于检索血管异常与严重程度评分相关文献，检索执行日期为 2023 年 4 月 17 日。各数据库的检索结果数量与检索式以 rtf 文件形式提供。该数据可用于复现或更新相关系统综述的文献检索，支持血管异常严重程度评分领域的证据梳理（来源 DataONE，http://creativecommons.org/licenses/by/4.0 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含用于 PubMed、Medline (Ovid)、Embase (Ovid)、All EBM reviews (Ovid) 和 Cinahl (EBSCO) 的检索策略。当这些策略在各自数据库中执行时，可检索到关于血管异常和严重程度评分概念的文献（2023 年 4 月）。每个数据库的结果数量和检索策略在 rtf 文件中标明。本描述中注明的日期是执行检索的日期。（2023-04-17）
【主题与分类】
主题标签：Enchondromatosis、anomalies vasculaires、score de sévérité、Angiomatosis、severity score、Lymphatic vessel tumors、Granuloma, Pyogenic、Medicine, Health and Life Sciences、Hamartoma syndrome, multiple、severity index。本站分类：心血管系统疾病/其他。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A0617943abaf2167059e4787df4eda9d8cdd995736240880f61b12f9b549c06c3
使用许可：http://creativecommons.org/licenses/by/4.0。
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
Ce jeu de données contient les stratégies de recherche pour PubMed, Medline (Ovid), Embase (Ovid), All EBM reviews (Ovid) and Cinahl (EBSCO). Quand on les exécute dans leurs bases de données respectives, ces stratégies repêchent les articles sur, inclusivement, les concepts d’anomalies vaculaires et de scores de sévérité (avril 2023). Le nombre de résultats et les stratégies de recherche pour chaque base de données sont indiqués dans le fichiers rtf. La date indiquée dans cette description est la date à laquelle la recherche a été effectuée. (2023-04-17)
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。
