面部中大型先天性黑色素细胞痣解剖分布模式图谱:一项横断面研究补充文件
该数据集是一个医学图像数据集,主要包含面部中大型先天性黑色素细胞痣(CMN)的临床图像及其分析图示与表格,通过分析两个独立的图像集,系统性地识别并归纳了九种特定的面部解剖分布模式,旨在为这种先天性皮肤病的临床分类、个体化手术治疗方案(如皮瓣转移)的制定以及相关并发症(如眼睑外翻)的风险评估提供重要的形态学依据和参考。

基本信息
资源简介
面部中大型先天性黑色素细胞痣解剖分布模式图谱:一项横断面研究补充文件
【数据集背景】
本数据集源站标题为《SUPPLEMENTARY FILES: Mapping the Anatomic Distribution Patterns of Medium-to-Large Congenital Melanocytic Nevi on the Face: A Cross Sectional Study》。源站首次发布:2025-02-28。
【数据内容】
源站原始描述:Summary: Distribution patterns of congenital melanocytic nevi have been characterized on the body, but not the face. Analysis of two independent image datasets of medium-to-large facial congenital nevi revealed nine distinct and nonrandom anatomic distribution patterns. Categorization of medium-to-large facial congenital nevi by distribution patterns may guide tailored management. Supplementary Figure 1: A) A CMN with a medial Frontonasal (MFN) distribution pattern, involving the medial forehead…
【数据结构与技术规格】
文件数 5 个,合计 3.16 MB。数据集 DOI:10.17632/cb3gsmc2mz.2。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/cb3gsmc2mz
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://data.mendeley.com/datasets/cb3gsmc2mz
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:
数据说明
该数据集为一项医学研究的补充材料,专注于面部中大型先天性黑色素细胞痣(CMN)的解剖分布模式。数据集包含了两个独立的面部CMN图像数据集的分析结果,揭示了九种不同且非随机的解剖分布模式。具体内容包括展示不同分布模式的补充图例(如内侧额鼻型、前额/颞部型等)、探讨胚胎发育与皮损形态关系的图示,以及总结分布类别关键特征和治疗原则的补充表格。该数据集旨在为面部先天性黑色素细胞痣的分类提供依据,以指导个体化治疗方案(如皮瓣手术)的制定,并评估相关并发症风险。
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。




