多囊卵巢综合征女性的卵巢储备标志物
该数据集来自 Harvard Dataverse，主题为多囊卵巢综合征女性的卵巢储备标志物，并涉及亚临床甲状腺功能减退及甲状腺自身免疫的调节作用
基本信息
资源简介
多囊卵巢综合征女性的卵巢储备标志物
该数据集英文名为“Ovarian reserve markers in women with polycystic ovary syndrome”，收录于 Harvard Dataverse，作者为 Gawron, Iwona，发布时间为 2026 年。数据集主题聚焦多囊卵巢综合征女性的卵巢储备标志物，并涉及亚临床甲状腺功能减退及甲状腺自身免疫的调节作用。按本站分类，该数据归入内分泌、营养和代谢疾病下的其他类别，主题标签为 Medicine, Health and Life Sciences。源站说明指出，所有数据在提交前均已完全匿名化处理，以确保个人及敏感信息得到保护，数据中不包含任何个人可识别信息。以下依据可获得的信息对该数据集作分项介绍。
【数据集背景】
多囊卵巢综合征是育龄女性常见的内分泌代谢紊乱疾病，卵巢储备标志物用于评估卵巢功能状态。该数据集的研究背景进一步延伸到亚临床甲状腺功能减退这一内分泌情形，并关注甲状腺自身免疫在其中可能发挥的调节作用。数据集标题与源站描述共同表明，其关注点在于多囊卵巢综合征女性群体中卵巢储备标志物的表现，以及甲状腺自身免疫因素对相关关联的潜在影响。该数据集由 Gawron, Iwona 提交至 Harvard Dataverse，发布时间标注为 2026 年。
【数据内容】
数据集主题为多囊卵巢综合征女性的卵巢储备标志物，涉及亚临床甲状腺功能减退及甲状腺自身免疫的调节作用。源站描述明确说明，所有数据存款在提交前均已完全匿名化，数据不包含个人可识别信息。除上述主题范围与匿名化说明外，关于具体变量、样本量、观测指标、文件格式与文件数量等信息，源站未提供。
【采集与来源】
该数据集来源于 doi.org，存放于 Harvard Dataverse，作者为 Gawron, Iwona。源站描述提及数据在提交前经过完全匿名化处理，以保护个人和敏感信息。关于数据采集的时间范围、地点、招募方式、伦理审批及具体采集流程等信息，源站未提供。
【适用场景】
依据数据集主题，其适用于围绕多囊卵巢综合征女性卵巢储备标志物的研究场景，也可用于探讨亚临床甲状腺功能减退及甲状腺自身免疫在其中的调节作用。主题标签 Medicine, Health and Life Sciences 表明其面向医学、健康与生命科学领域的研究使用。关于具体的适用分析类型、模型或研究设计，源站未提供。
【使用方法】
源站未提供关于数据使用方法的具体说明，包括数据获取方式、文件组织结构、变量字典、分析脚本或推荐的分析流程等。
【质量与限制】
源站说明数据已完全匿名化且不含个人可识别信息，这是该数据集在隐私保护方面的明确特征。关于数据质量评估、缺失值情况、样本代表性、偏倚控制及使用限制等进一步信息，源站未提供。
【引用与许可】
该数据集的作者为 Gawron, Iwona，存放机构为 Harvard Dataverse，来源站为 doi.org，发布时间为 2026 年。关于具体的引用格式、许可条款与使用条件，源站未提供。
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/10.7910/DVN/CIIMH9
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 257.9 KB。
数据说明
多囊卵巢综合征合并亚临床甲状腺功能减退症女性的卵巢储备标志物：甲状腺自身免疫的调节作用。所有数据存储库在提交前均已完全匿名化，以确保个人及敏感信息的保护。数据不包含任何个人可识别信息。
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。
