中药化学成分毒性实验数据库
该数据集收录多种毒性中药(如闹羊花、斑蝥、巴豆、洋金花、附子、青粉等)化学成分的体内与体外毒理学实验记录,数据来源于公共毒理学相关期刊文献,附有PMID等文献溯源信息

基本信息
资源简介
中药化学成分毒性实验数据库
Toxicity experimental database of chemical consttuents of traditional Chinese medicine
该数据集收录多种毒性中药(如闹羊花、斑蝥、巴豆、洋金花、附子、青粉等)化学成分的体内与体外毒理学实验记录,数据来源于公共毒理学相关期刊文献,附有PMID等文献溯源信息。数据集涵盖实验类型、化合物信息、中药信息、给药途径、实验物种、毒性指标(LD50、LDLo、TDlo、LOAEL、IClo、LClo等)、毒性剂量、毒性类型、毒性靶器官、病理与毒性表现、组织细胞、参考文献等字段,覆盖小鼠、大鼠、兔、犬、人等多种实验物种及多种给药方式,可用于中药安全性评价(来源 DOI 解析,restricted access 许可)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):中药化学成分毒性实验数据库收录了闹羊花、斑蝥、巴豆、洋金花、附子、青粉等多种毒性中药的体内和体外毒理学实验记录。数据来源于公共毒理学相关期刊文献,附有PMID等文献溯源信息。该数据集包括实验类型、化合物信息、中药信息、给药途径、实验物种、毒性指标(LD50、LDLo、TDlo、LOAEL、IClo、LClo等)、毒性剂量、毒性类型、毒性靶器官、病理与毒性表现、组织细胞、参考文献等字段,覆盖小鼠、大鼠、兔、犬、人等多种实验物种及多种给药方式,可用于中药安全性评价。
【主题与分类】
主题标签:Traditional chinese medicine、Toxicity of traditional Chinese medicine、Toxic traditional Chinese medicine、Chemical constituents、Toxicological experiment、In vivo experiment、Safety evaluation、Toxicology database、Toxic target organ、LD50。本站分类:化学诱发性障碍/其他。
【获取与许可】
源站页面:https://www.scidb.cn/detail?dataSetId=833b72905f31407a87e9446ecec58f10
使用许可:restricted access。
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/10.57760/sciencedb.015ml
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
中药化学成分毒性实验数据库收录了闹羊花、斑蝥、巴豆、洋金花、附子、青粉等众多有毒中药的体内外毒理学实验记录。数据来源于公共毒理学相关期刊文献,附有PMID等文献溯源信息。该数据集包含实验类型、化合物信息、中药信息、给药途径、实验物种、毒性指标(LD50、LDLo、TDlo、LOAEL、IClo、LClo等)、毒性剂量、毒性类型、毒性靶器官、病理及毒性表现、组织细胞、参考文献等字段,涵盖小鼠、大鼠、兔、犬、人等多种实验物种及多种给药方式,可用于不同实验条件下中药安全性的差异评价。需要注意的是,这些数据多为动物实验和体外细胞实验结果,并不等同于人体临床毒性。
部分毒性以英文描述,仅供科研参考,不能直接作为临床用药依据。
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。
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。




