Name: 原始数据-PeerJ.xlsx
Creator: figshare
License: CC0

基本信息

模态

表格

大小

0.000907402 GB

许可

CC0

创建/更新时间

2020-08-30

版本

v1

资源简介

原始数据-PeerJ.xlsx

【一句话概览】

该数据集标题为 Raw data-PeerJ.xlsx，原始描述说明其包含从更大群体中选取、用于研究的全部糖尿病患者信息。文件数为1，合计大小907.4 KB。源站标签为 diabetes mellitus patient、Nephrology and Urology，源站分类为 Nephrology and urology，许可为 CC0（来源 figshare，CC0 许可）。

【数据集背景】

本数据集源站标题为《Raw data-PeerJ.xlsx》。源站首次发布：2018-03-03。

【数据内容】

源站原始描述：The raw data contains all the diabetic patients information selected from the larger population for our study

中文译文（机器翻译，仅供快速理解，请以原文为准）：原始数据包含我们从较大人群中为本研究选取的所有糖尿病患者信息。

【数据结构与技术规格】

文件数 1 个，合计 907.40 KB。DM raw data-PeerJ.xlsx：application/vnd.openxmlformats-officedocument.spreadsheetml.sheet，907.40 KB。数据集 DOI：10.6084/m9.figshare.5945560.v1。

【主题与分类】

源站学科分类：Nephrology and urology。主题标签：diabetes mellitus patient、Nephrology and Urology。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面：https://figshare.com/articles/dataset/Raw_data-PeerJ_xlsx/5945560

使用许可：CC0（https://creativecommons.org/publicdomain/zero/1.0/）。

规范引用：Liu, Diankun (2018). Raw data-PeerJ.xlsx. figshare. Dataset

原始链接

https://figshare.com/articles/Raw_data-PeerJ_xlsx/5945560

访问原始数据

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

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。

免费样本无法满足模型训练要求？千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

去商城查看获取定制方案

使用方式

数据集获取（Figshare）

源站标题：Raw data-PeerJ.xlsx
DOI：10.6084/m9.figshare.5945560.v1
发布日期：2018-03-03
文件数：1 个
文件总体积：907.40 KB
源站页面：https://figshare.com/articles/dataset/Raw_data-PeerJ_xlsx/5945560

命令行下载

curl -L -o "DM raw data-PeerJ.xlsx" "https://ndownloader.figshare.com/files/10637890"

文件清单

DM raw data-PeerJ.xlsx（907.40 KB）

文件总体积 907.40 KB（源站 API 实测）。

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