尼日利亚绵羊胃肠道蠕虫数据
该数据集来自 Mendeley Data,由 Agboola、Lawal 于 2025 年发布,聚焦尼日利亚绵羊品种胃肠道蠕虫(GIH)感染

基本信息
资源简介
尼日利亚绵羊胃肠道蠕虫数据
Gastrointestinal Helminths Data of Nigerian Sheep
该数据集来自 Mendeley Data,由 Agboola、Lawal 于 2025 年发布,聚焦尼日利亚绵羊品种胃肠道蠕虫(GIH)感染。数据覆盖 Sudan Savannah、Northern Guinea Savannah 和 Derived Savannah 三个农业生态区,采用分层随机抽样从六个社区选取 384 只绵羊,记录感染率、虫种分布及与生态区、品种、性别、年龄和管理方式相关的风险因素。可用于寄生虫流行病学分析、感染风险因素识别及动物育种与兽医相关研究(来源 DOI 解析)。
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):标题:尼日利亚绵羊品种跨农业生态区胃肠道蠕虫患病率及相关风险因素数据。描述:该数据集支持题为“尼日利亚绵羊品种胃肠道蠕虫患病率及其易感因素”的研究,该研究旨在评估尼日利亚三个农业生态区(Sudan Savannah、Northern Guinea Savannah 和 Derived Savannah)绵羊胃肠道蠕虫(GIH)感染的患病率和风险因素。研究假设:我们假设绵羊的 GIH 感染率和物种分布受农业生态区、品种、性别、年龄和管理方式的影响。这些相互作用因素预计会塑造感染模式和寄生虫多样性。数据收集:采用分层随机抽样,从跨越三个生态区的六个社区选取 384 只绵羊
【主题与分类】
主题标签:Parasitology、Animal Breeding、Animal Science、Veterinary Bacteriology。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/x33zfg5rd2/1
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/10.17632/x33zfg5rd2.1
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 94.7 KB。
数据说明
标题:尼日利亚不同农业生态区绵羊品种胃肠道蠕虫感染率及相关风险因素数据 描述:本数据集支持题为“尼日利亚绵羊品种胃肠道蠕虫感染率及其易感因素”的研究,该研究旨在评估尼日利亚三个农业生态区(苏丹稀树草原、北几内亚稀树草原和衍生稀树草原)绵羊胃肠道蠕虫(GIH)感染的流行率及风险因素。研究假设:我们假设绵羊GIH感染率和物种分布受农业生态区、品种、性别、年龄和管理实践的影响。这些相互作用因素预计会塑造感染模式和寄生虫多样性。数据收集:采用分层随机抽样,从横跨三个生态区的六个社区选取了384只绵羊。采集粪便样本进行寄生虫学分析,并记录动物数据(性别、年龄、品种、体重和体况评分)。
基于问卷的调查记录了饲养系统、补饲、驱虫、水源以及与其它物种共养等管理实践。粪便样本经显微镜检查,以检测圆线虫属、类圆线虫属、莫尼茨绦虫属、双腔吸虫属和球虫的虫卵。为识别数据中的模式并降低维度,使用管理、环境和动物健康变量进行了主成分分析(PCA)。关键变量:动物:性别、年龄、品种、体重、BCS 管理:饲养系统(集约化、半集约化、粗放式)、畜群类型、物种共养、放牧方式、饲料/矿物质补充、驱虫 环境:农业生态区、海拔、水源和疾病发生情况 显著发现:总体 GIH 患病率为 61.72% 派生稀树草原感染率最高;圆线虫属和球虫最为流行 感染变
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。




