114月龄牛日本脑炎病例的病理学与JEV分离株遗传特征数据
该数据集来自datadryad.org，对应一例114月龄牛日本脑炎病例的病理学与病毒遗传特征研究。源站描述显示，2010年9月下旬该牛出现类似既往牛日本脑炎病例的神经症状，研究者开展病毒学与病理学检测，从患病牛大脑分离出JEV，并测定其完整基因组序列（含E基因区与3'UTR），系统发育分析表明分离
基本信息
资源简介
114月龄牛日本脑炎病例的病理学与JEV分离株遗传特征数据
Data from: Japanese encephalitis in a 114-month-old cow: pathological investigation of the affected cow and genetic characterization of Japanese encephalitis virus isolate
该数据集来自datadryad.org，对应一例114月龄牛日本脑炎病例的病理学与病毒遗传特征研究。源站描述显示，2010年9月下旬该牛出现类似既往牛日本脑炎病例的神经症状，研究者开展病毒学与病理学检测，从患病牛大脑分离出JEV，并测定其完整基因组序列（含E基因区与3'UTR），系统发育分析表明分离株JEV/Bo/Aichi/1/2010属于基因型1。数据可用于牛日本脑炎病例的病理与分子特征参考（来源 Dryad，https://spdx.org/licenses/CC0-1.0.html 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：日本脑炎病毒（JEV）被归类为黄病毒科黄病毒属。JEV主要可引起人类和马匹的发热性疾病和脑炎，偶尔也可引起牛发病。病例介绍：2010年9月下旬，一头114月龄的牛表现出与既往牛日本脑炎（JE）病例相似的神经系统症状；因此，我们对该牛进行了病毒学和病理学检测。结果，从患病牛的大脑分离出JEV。我们测定了该JEV分离株的完整基因组序列，将其命名为JEV/Bo/Aichi/1/2010，包括包膜（E）基因区和3'非翻译区（3'UTR）。我们对E区和完整基因组的系统发育分析表明，该分离株属于JEV基因型1（G1）。该分离株JEV/Bo/Aichi/1/2010与若干
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.s0c34。
【主题与分类】
主题标签：Japanese encephalitis virus。本站分类：感染性疾病/其他。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.s0c34
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/stash/dataset/doi:10.5061/dryad.s0c34
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 4.1 MB。
数据说明
Naomi Kako；Seiji Suzuki；Norie Sugie；Tomoko Kato；Tohru Yanase；Makoto Yamakawa；Hiroaki Shirafuji（2015）。一头114月龄母牛的日本脑炎：患病母牛的病理学检查及日本脑炎病毒分离株的遗传学特征[数据集]。http://doi.org/10.5061/dryad.s0c34
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。
