非酒精性脂肪肝病数据集
该数据集包含与非酒精性脂肪肝病（NAFLD）相关的临床或生物医学数据，数据模态可能涉及临床表格、实验室指标或影像学信息，主要用于研究非酒精性脂肪肝（NAFL）和非酒精性脂肪性肝炎（NASH）的疾病特征、诊断方法及机器学习在代谢相关脂肪肝病（MASLD）领域的应用。
基本信息
资源简介
非酒精性脂肪肝病数据集
【数据集背景】
本数据集源站标题为《Non-alcoholic fatty liver disease》。源站首次发布：2024-11-30。
【数据内容】
源站原始描述：Nonalcoholic fatty liver disease (NAFLD) is a condition in which fat builds up in your liver. Nonalcoholic fatty liver (NAFL) and nonalcoholic steatohepatitis (NASH) are types of NAFLD. If you have NASH, you have inflammation and liver damage, along with fat in your liver. NAFLD: Two women in a kitchen preparing food together Symptoms & Causes Usually, nonalcoholic fatty liver disease (NAFLD) is a silent disease with few or no symptoms. Certain health conditions and diseases—including obesity, m…
【数据结构与技术规格】
文件数 1 个，合计 153.52 KB。
【主题与分类】
主题标签：health conditions。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/sunilsah905/non-alcoholic-fatty-liver-disease
使用许可：MIT。
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。
需登录公开下载
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。
暂未开放有偿下载
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("sunilsah905/non-alcoholic-fatty-liver-disease")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d sunilsah905/non-alcoholic-fatty-liver-disease
unzip non-alcoholic-fatty-liver-disease.zip -d non-alcoholic-fatty-liver-disease/
数据说明
该数据集专注于非酒精性脂肪肝病（NAFLD），具体涵盖非酒精性脂肪肝（NAFL）和非酒精性脂肪性肝炎（NASH）两种疾病状态。它可能包含与患者相关的临床、实验室或影像学数据，用于研究脂肪肝的发病机制、诊断标志物或疾病进展。数据来源于公开的Kaggle平台，适用于生物医学研究，特别是代谢相关脂肪肝病（MASLD）领域的机器学习模型开发、风险预测或临床分析。
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。
