TyphoDx-BD：孟加拉国伤寒与立克次体病机器学习预测临床验证数据集
该数据集来自 data.mendeley.com，包含 2024 年 10 月 27 日至 2025 年 1 月 2 日在孟加拉国采集的 1,106 名患者的详细临床记录，涵盖 Widal 试验（TO、TH、AH、BH）与 Weil-Felix 试验（OXK、OX2、OX19）结果，用于识别伤寒、副
基本信息
资源简介
TyphoDx-BD：孟加拉国伤寒与立克次体病机器学习预测临床验证数据集
TyphoDx-BD: A Clinically Validated Dataset for Machine Learning-Based Typhoid and Rickettsial Disease Prediction in Bangladesh
该数据集来自 data.mendeley.com，包含 2024 年 10 月 27 日至 2025 年 1 月 2 日在孟加拉国采集的 1,106 名患者的详细临床记录，涵盖 Widal 试验（TO、TH、AH、BH）与 Weil-Felix 试验（OXK、OX2、OX19）结果，用于识别伤寒、副伤寒及立克次体感染。数据经临床验证，包含原始与处理后文件及验证证书，可用于构建基于机器学习的伤寒与立克次体病预测与分类模型（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2025-07-28。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含 2024 年 10 月 27 日至 2025 年 1 月 2 日在孟加拉国采集的 1,106 名患者的详细临床记录。伤寒是由 Salmonella Typhi 引起的严重细菌感染，通常通过受污染的食物和水传播。在孟加拉国许多地区，尤其是卫生条件和清洁水源获取受限的地方，它仍然是一个广泛的健康问题。该数据集包括 Widal 试验的结果，该试验常用于检测伤寒和副伤寒。这些包括 TO 和 TH 等抗原（对 Salmonella Typhi 具有特异性）以及 AH 和 BH（对 Salmonella Paratyphi 具有特异性）。此外，该数据集还包含 Weil-Felix 试验的值，包括 OXK、OX2 和 OX19，这些值用于帮助识别立克次体感染——一类通常表现出相似症状的细菌感染。该数据集已通过验证
【数据结构与技术规格】
文件数 3 个，合计 871.18 KB。数据集 DOI：10.17632/m9pnvv2vpv.1。
【主题与分类】
主题标签：伤寒、立克次体病、发热、感染、临床记录、Widal试验、Weil-Felix试验、机器学习。本站分类：感染/发热。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/m9pnvv2vpv
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/m9pnvv2vpv
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 871.2 KB。
数据说明
shahriar marjan (2025). TyphoDx-BD: A Clinically Validated Dataset for Machine Learning-Based Typhoid and Rickettsial Disease Prediction in Bangladesh [Dataset]. http://doi.org/10.17632/m9pnvv2vpv.1
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。
