CHAP方案治疗白色萎缩性血管病(livedoid vasculopathy)的12例患者数据集

包含12例白色萎缩性血管病患者使用CHAP方案治疗前后医学图像的数据集。

MendeleyMendeley
DataCite Commons
2025-05-01 更新
浏览 15
医学影像白色萎缩性血管病医学影像
A novel combination (“CHAP”) regimen for management of livedoid vasculopathy in 12 patients

基本信息

模态
医学影像
大小
0.003163766 GB
创建/更新时间
2025-05-01
版本
v1

资源简介

CHAP方案治疗白色萎缩性血管病(livedoid vasculopathy)的12例患者数据集

【一句话概览】

本数据集是 Mendeley Data 公开的影像数据集,收录 2 个文件、合计 3.16 MB,可用于医学图像分割、检测与分类模型的训练与评测。

【数据集背景】

本数据集源站标题为《A novel combination (“CHAP”) regimen for management of livedoid vasculopathy in 12 patients》。源站首次发布:2022-06-16。

【数据内容】

源站原始描述:Figure 1. Representative before (A) and after (B) images of patient 11 three months after initiation of the "CHAP" regimen (and discontinuation of prednisone and sulfasalazine), showing resolution of painful ulcerations and jagged purpuric macules without formation of new lesions

中文译文(机器翻译,仅供快速理解,请以原文为准):图1. 患者11在开始“CHAP”方案(并停用泼尼松和柳氮磺吡啶)3个月后的代表性(A)治疗前和(B)治疗后图像,显示疼痛性溃疡和锯齿状紫癜性斑疹消退,且无新发皮损形成。

【数据结构与技术规格】

文件数 2 个,合计 3.16 MB。数据集 DOI:10.17632/6vp4h5yzck.1。

【适用方向】

影像类数据可用于医学图像分析模型(检测、分割、分类)的训练与评测,也可用于标注质量与成像参数相关性的研究。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/6vp4h5yzck

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://data.mendeley.com/datasets/6vp4h5yzck

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