数据集:SPINK1 与胰胆管合流异常:胰腺炎的不寻常共同病因

该数据集来自 data.mendeley.com,围绕一名 6 岁女童的慢性胰腺炎病例,涉及 SPINK1 基因 N34S 位点突变与胰胆管合流异常共同致病的罕见情形

google_dataset
2019-12-31 更新
浏览 8
医学影像消化系统疾病胰腺炎SPINK1胰胆管合流异常儿童基因突变
Data for: SPINK1 and pancreaticobiliary maljunction: An unusual co-etiology of pancreatitis

基本信息

模态
医学影像
大小
0.005358261 GB
创建/更新时间
2019-12-31
版本
v1

资源简介

数据集:SPINK1 与胰胆管合流异常:胰腺炎的不寻常共同病因

Data for: SPINK1 and pancreaticobiliary maljunction: An unusual co-etiology of pancreatitis

该数据集来自 data.mendeley.com,围绕一名 6 岁女童的慢性胰腺炎病例,涉及 SPINK1 基因 N34S 位点突变与胰胆管合流异常共同致病的罕见情形。数据包含 5 个文件,涵盖病例文档及 CT、MRCP、ERCP、基因相关图像,可用于儿童胰腺炎病因分析、影像与遗传联合研究(来源 Mendeley Data)。

【数据集背景】

源站首次发布:2019-12-31。

【数据内容】

源站描述(机器翻译,仅供参考):儿童慢性胰腺炎(CP)是一种罕见疾病,其病因多样,主要与遗传异常、自身免疫性胰腺炎和梗阻相关。作者描述了一名 6 岁女童,表现为腹痛,被诊断为 CP 并伴有感染的胰周积液(peri-PFC),并发现胰胆管合流异常(PBM)以及 SPINK 1 在 N34S 密码子的突变。这种解剖性梗阻与基因突变的组合在儿童早期出现胰腺炎时应予以注意。

【数据结构与技术规格】

文件数 5 个,合计 5.36 MB。数据集 DOI:10.17632/m9yrsnyptz.1。

【主题与分类】

主题标签:消化系统疾病、胰腺炎、SPINK1、胰胆管合流异常、儿童、基因突变。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/m9yrsnyptz

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/m9yrsnyptz

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。

数据集大小约 5.4 MB。

数据说明

Data for: SPINK1 and pancreaticobiliary maljunction: An unusual co-etiology of pancreatitis

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