初次开放式鼻整形术后鼻气道功能的前瞻性评估数据集
该数据集来自初次开放式鼻整形术后鼻气道功能的前瞻性评估研究,纳入因美学指征接受手术且术前无主观鼻塞的患者。数据在术前及术后3个月采集,包含鼻塞症状评估(NOSE)评分、鼻吸气峰流量(PNIF)、鼻内镜下鼻瓣评估、鼻唇角测量以及人口学与临床特征

基本信息
资源简介
初次开放式鼻整形术后鼻气道功能的前瞻性评估数据集
Prospective Assessment of Nasal Airway Function After Primary Open Rhinoplasty
该数据集来自初次开放式鼻整形术后鼻气道功能的前瞻性评估研究,纳入因美学指征接受手术且术前无主观鼻塞的患者。数据在术前及术后3个月采集,包含鼻塞症状评估(NOSE)评分、鼻吸气峰流量(PNIF)、鼻内镜下鼻瓣评估、鼻唇角测量以及人口学与临床特征。所有数据在存储前已去标识化。可用于分析无术前鼻塞人群术后鼻气道功能的变化,支持主观与客观指标的关联研究(来源 DOI 解析,Creative Commons Attribution 4.0 International 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):数据集用于:初次开放式鼻整形术后鼻气道功能的前瞻性评估。该数据集包含从因美学指征接受初次开放式鼻整形的患者中收集的匿名前瞻性数据。所有参与者术前均报告无主观鼻塞。患者在术前及术后3个月接受评估,评估采用鼻气道功能的主观和客观测量指标。变量包括:鼻塞症状评估(NOSE)评分、鼻吸气峰流量(PNIF)测量、鼻内镜下鼻瓣评估、鼻唇角测量、人口学与临床特征。该数据集的目的是评估术前无鼻塞患者接受初次开放式鼻整形术后鼻气道功能的变化。所有数据在存储前均已去标识化,以保护患者c
【主题与分类】
主题标签:Rhinoplasty、Nasal Obstruction。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.20787368
使用许可:Creative Commons Attribution 4.0 International。
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/10.5281/zenodo.20787368
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 33.1 KB。
数据说明
数据集:初次开放式鼻整形术后鼻气道功能的前瞻性评估 本数据集包含从因美学指征接受初次开放式鼻整形术的患者中收集的匿名前瞻性数据。所有参与者术前均报告无主观鼻塞。患者在术前及术后3个月时接受评估,评估内容包括鼻气道功能的主观和客观指标。变量包括:鼻塞症状评估(NOSE)评分 峰值鼻吸气流量(PNIF)测量 内镜下鼻瓣评估 鼻唇角测量 人口学和临床特征 本数据集的目的是评估术前无鼻塞的患者在接受初次开放式鼻整形术后鼻气道功能的变化。所有数据在存储前均已去标识化,以保护患者隐私。本数据集支持题为“初次开放式鼻整形术后鼻气道功能的前瞻性评估”的手稿中所报告的研究结果。
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。




