肾脏疾病的拉曼光谱诊断数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT06760845

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。

数据说明

疾病类型：IgA肾病（IgAN）、膜性肾病、糖尿病肾病、局灶节段性肾小球硬化（FSGS）。本研究计划于2021年1月至2024年12月期间，在山东省千佛山医院肾内科，通过肾活检确诊为IgA肾病、特发性膜性肾病、糖尿病肾病和局灶节段性肾小球硬化的患者中，采集血清和晨尿样本。这些样本将使用拉曼光谱仪进行扫描，以获得拉曼光谱数据。将使用Origin软件对拉曼光谱中的散射峰进行高斯曲线拟合分析。峰的位置将用于查询相关文献，以识别相应的化学键并确认化合物的存在。将计算拉曼光谱中化学物质峰的强度和面积，并用于绘制校准曲线，从而建立定量分析方程。该方程将用于准确计算血清和尿液样本中每种分析物的浓度。

基于各患者组的平均浓度数据，将采用主成分分析（PCA）和马氏距离判别模型等多变量分析方法对疾病类型进行分类和预测。本研究的初步数据来自ianfoshan医院肾内科，该科室已利用光学显微镜、电子显微镜和免疫荧光显微镜等工具对不同类型的肾小球疾病进行了病理分类。通过结合拉曼光谱技术和统计分析，本研究旨在建立一种无创、高效的诊断工具，以辅助肾脏疾病的诊断并预测治疗结果。

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。