基于金纳米颗粒的侧流试纸条检测口腔液中6-MAM数据集
该数据集来自 Dryad,包含基于金纳米颗粒(AuNPs)的侧流试纸条(LFS)检测口腔液中 6-单乙酰吗啡(6-MAM,海洛因的特有代谢物)的相关数据

基本信息
资源简介
基于金纳米颗粒的侧流试纸条检测口腔液中6-MAM数据集
Data from: A lateral flow strip based on gold nanoparticles to detect 6-monoacetylmorphine in oral fluid
该数据集来自 Dryad,包含基于金纳米颗粒(AuNPs)的侧流试纸条(LFS)检测口腔液中 6-单乙酰吗啡(6-MAM,海洛因的特有代谢物)的相关数据。检测采用竞争性侧向层析免疫分析,6-MAM 经化学合成后与牛血清白蛋白(BSA)偶联,通过测试线颜色变化进行定性判读。使用合适的样品垫、NC 膜和定制海绵装置可直接从口腔吸附唾液,总检测时间 3 分钟,灵敏度为 4.0 ng ml-1,与包括吗啡和可待因在内的十种常见滥用药物无交叉反应。该数据可用于现场检测口腔液中海洛因,并有望用于药物影响下驾驶等场景(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2018。
【数据内容】
源站描述(机器翻译,仅供参考):我们使用基于金纳米颗粒(AuNPs)的侧流试纸条(LFS)检测口腔液样本中的 6-单乙酰吗啡(6-MAM;海洛因的特有代谢物)。在该竞争性侧向层析免疫分析中,6-MAM 经化学合成并与牛血清白蛋白(BSA)偶联。通过测试线的颜色变化对结果进行定性检测。通过使用合适的样品垫、合适的 NC 膜和定制的海绵装置直接从口腔吸附口腔液,总检测时间为 3 分钟。该检测的灵敏度为 4.0 ng ml-1,与十种广泛被滥用的常见药物(包括吗啡和可待因)无任何交叉反应。该检测可方便地用于现场检测口腔液中的海洛因,并且未来可能成为一种有前景的产品,包括用于药物影响下驾驶。
【主题与分类】
主题标签:6-monoacetylmorphine、Heroin、gold nanoparticles、oral fluid、Biosynthesis、Morphine。本站分类:化学诱发性障碍/其他。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.8r36rp3
使用许可:Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.8r36rp3
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 639.9 KB。
数据说明
我们采用基于金纳米颗粒(AuNPs)的侧向层析试纸条(LFS)检测口腔液样本中的6-单乙酰吗啡(6-MAM;海洛因的特有代谢物)。在这种竞争性侧向层析免疫测定中,6-MAM经化学合成并与牛血清白蛋白(BSA)偶联。通过检测线的颜色变化定性检测结果。通过使用合适的样品垫、适宜的NC膜以及定制海绵装置直接从口腔吸附口腔液,总检测时间为3分钟。该测定的灵敏度为4.0 ng ml-1,与十种常被滥用的常规药物(包括吗啡和可待因)均无交叉反应。该检测可方便地在现场用于检测口腔液中的海洛因,并且未来可能成为一种有前景的产品,包括用于检测药物影响下驾驶。
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。




