Rasmussen脑炎回顾性数据集

该数据集包含Rasmussen脑炎患者的临床表格数据(如发病年龄、癫痫特征、治疗和预后评分)和神经影像学模态(MRI视觉评估数据),主要用于研究影像病理范围与发病年龄的关联、大脑半球偏好性模式及其病理生理机制,支持神经病学和神经影像学领域的回顾性分析。

Mendeley Data
2020-06-29 更新
浏览 26
Rasmussen脑炎临床研究神经影像学关联分析
Rasmussen's Encephalitis Retrospective Dataset

基本信息

大小
0.000073296 GB
创建/更新时间
2020-06-29
版本
v2

资源简介

Rasmussen脑炎回顾性数据集

【数据集背景】

本数据集源站标题为《Rasmussen''s Encephalitis Retrospective Dataset》。源站首次发布:2020-06-29。

【数据内容】

源站原始描述:This file contains retrospective data collected from a single centre. Patients with a diagnosis of Rasmussen''s encephalitis were included if they fulfilled the European consensus criteria (2005, Bien et al). Clinical data included age at onset, presentation, seizure characteristics, treatment details and Engel Score outcome. MRI data was generated by visual assessment of MRI characteristics. The research questions were: 1) Does macroscopic extent of radiological pathology and expedited Radiologi…

【数据结构与技术规格】

文件数 2 个,合计 73.30 KB。数据集 DOI:10.17632/j65f2wd784.2。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/j65f2wd784

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

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/j65f2wd784

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

该数据集是一个来自单中心的回顾性数据集,收录了符合欧洲共识标准(2005年Bien等提出)的Rasmussen脑炎患者数据。数据内容包括临床信息(如发病年龄、临床表现、癫痫特征、治疗细节和Engel评分预后)和MRI影像学数据(通过视觉评估MRI特征生成)。数据集旨在研究以下问题:1)影像学病理宏观范围及快速进展的放射学分期是否与更早的发病年龄相关;2)大脑半球内是否存在特定的偏好性保留或受累模式;3)若存在,这些解剖模式与年龄特征之间是否存在病理生理学关联。该数据集适用于神经病学、神经影像学及罕见脑炎疾病机制的研究。

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。

获取专属数据定制方案