CDB-IMD病例数据库
遗传代谢病病例数据库，提供真实病例、临床和生化概要，由CDB-IMD提供，来自CDB-IMD数据库，数据格式为文本，适用于分类任务。
基本信息
资源简介
CDB-IMD病例数据库
【一句话概览】
遗传代谢病病例数据库（CDB-IMD）是一个持续扩充的患者病例集合，旨在为临床医生和实验室专业人员提供了解多种代谢疾病日常表现的学习机会。库中病例按系统方式组织：先呈现临床与生化细节，随后是用于确诊的检测、患者管理，最后是确诊后的临床病程。在临床与生化概要部分，还会讨论该病例所诊断的疾病并列出重要要点。该数据库标签涵盖遗传代谢病、代谢疾病、患者病例、临床病例、罕见病、教育、诊断与管理（来源 imd-casesdatabase.org）。
【数据集背景】
本数据集源站标题为《Case Database of Inherited Metabolic Disorders》。
【数据内容】
源站原始描述：The CDB-IMD is a rich repository of highly educational IMD Cases. The Case DataBase of Inherited Metabolic Disorders (CDB-IMD) is a growing collection of patient cases that offers a unique opportunity to learn about the broad variety of metabolic diseases as they present to clinicians as well as the laboratory specialist in daily practice. Cases in the database are systematically organized, with the clinical and biochemical details first, followed by the testing used to confirm the diagnosis, th…
中文译文（机器翻译，仅供快速理解，请以原文为准）：CDB-IMD是一个内容丰富、极具教育意义的遗传代谢病病例库。遗传代谢病病例数据库（CDB-IMD）是一个不断增长的患者病例集合，为学习各种代谢疾病提供了独特的机会，这些疾病在临床医生及实验室专家的日常实践中均有呈现。数据库中的病例经过系统整理，首先介绍临床和生化细节，随后是用于确诊的检测方法，接着是患者的治疗方案，最后是确诊后的临床病程。在临床和生化概要中，讨论了病例中所诊断的疾病，并提及了重要的要点。
【主题与分类】
主题标签：Inherited Metabolic Disorders、IMD、Metabolic Diseases、Patient Cases、Clinical Cases、Rare Diseases、Education、Diagnosis、Management。
【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://imd-casesdatabase.org/
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。
暂未开放有偿下载
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://imd-casesdatabase.org/
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
遗传代谢病病例数据库，提供真实病例、临床和生化概要。
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))
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。
