法布里病中雷诺现象和甲襞毛细血管镜异常的患病率:一项横断面研究

该数据集包含法布里病患者中雷诺现象的患病率及甲襞毛细血管镜异常情况的临床研究数据,数据模态为临床表格和医学检查结果,主要用于研究法布里病的微血管功能障碍、雷诺现象的流行病学特征,以及甲襞毛细血管镜在诊断中的应用,为罕见病的临床表现和病理机制分析提供实证基础。

DataONE
2019-07-01 更新
浏览 29
Raynaud''s phenomenondystrophic capillariesnailfold capillaroscopyFabry disease
Prevalence of Raynaud's phenomenon and nailfold capillaroscopic abnormalities in Fabry's disease: a cross-sectional study

基本信息

大小
0.000002774 GB
创建/更新时间
2019-07-01

资源简介

法布里病中雷诺现象和甲襞毛细血管镜异常的患病率:一项横断面研究

【数据集背景】

本数据集源站标题为《Prevalence of Raynaud''s phenomenon and nailfold capillaroscopic abnormalities in Fabry''s disease: a cross-sectional study》。

【数据内容】

源站原始描述:[No description entered]

【主题与分类】

主题标签:Raynaud''s phenomenon、dystrophic capillaries、nailfold capillaroscopy、Fabry disease。

【获取与许可】

源站页面:https://search.dataone.org/view/sha256:a567ec7e7ae0c894df3e1074b72e2ac23449cddac28dd28d2090fe44b25ca4d7

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://search.dataone.org/view/sha256:a567ec7e7ae0c894df3e1074b72e2ac23449cddac28dd28d2090fe44b25ca4d7

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。

数据说明

这是一个医学研究数据集,聚焦于法布里病(Fabry’‘s disease)患者中雷诺现象(Raynaud’'s phenomenon)的患病率及其相关的甲襞毛细血管镜(nailfold capillaroscopy)异常情况。数据集通过横断面研究设计收集,可能包含患者的临床特征、毛细血管镜检查结果、人口统计学信息以及疾病诊断数据,旨在评估法布里病与雷诺现象及微血管异常之间的关联。该数据集可用于研究法布里病的临床表现、微血管功能障碍的诊断,以及雷诺现象在罕见病中的流行病学特征,为临床诊断和病理机制研究提供数据支持。

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