Lasik(激光眼科手术)并发症数据集

收录激光眼科手术(LASIK)相关并发症的文本数据集。

Shivam BansalShivam Bansal
kaggle
2021-10-11 更新
浏览 22
文本textnlphealthcareeyes and visiontext mining
Lasik (Laser Eye Surgery) Complications

基本信息

模态
文本
大小
0.001257326 GB
许可
CC0: Public Domain
创建/更新时间
2021-10-11
版本
v3

资源简介

Lasik(激光眼科手术)并发症数据集

【数据集背景】

本数据集源站标题为《Lasik (Laser Eye Surgery) Complications》。源站首次发布:2021-10-11。

【数据内容】

源站原始描述:**About Laser Eye Surgery Complications** > Post-Lasik woes have surfaced hand-in-hand with the approval in the late 1990s of the first excimer laser for Lasik eye surgery by the United States Food and Drug Administration (FDA). Since then, the procedure has become one of the most popular elective ophthalmologic procedures in the world. The global personalized Lasik surgery market is estimated to reach US$3.69 billion (about S$5 billion) by 2022, according to a new report by Grand View Research,…

【数据结构与技术规格】

文件数 1 个,合计 1.26 MB。

【主题与分类】

主题标签:text、nlp、healthcare、eyes and vision、text mining。

【适用方向】

文本类数据可用于医学自然语言处理,如命名实体识别、信息抽取与文本分类。

【获取与许可】

源站页面:https://www.kaggle.com/datasets/shivamb/lasik-complications-dataset

使用许可:CC0: Public Domain。

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。

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

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。

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("shivamb/lasik-complications-dataset")
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 shivamb/lasik-complications-dataset
unzip lasik-complications-dataset.zip -d lasik-complications-dataset/

数据说明

该数据集收录了历史上报道的激光眼科手术(包括LASIK)相关并发症信息,以文本形式记录,可用于分析并发症类型、频率及相关因素。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。