前交叉韧带重建中缝线带增强系统评价与Meta分析数据及代码
该数据集是前交叉韧带重建中缝线带增强系统评价与Meta分析的可重复性存档，包含研究级衍生数据、锁定分析数据集、Cui 2026附录、分析与绘图代码、检索策略、研究家族审计文档及95行全文候选日志
基本信息
资源简介
前交叉韧带重建中缝线带增强系统评价与Meta分析数据及代码
Data and code for: Discordant evidence on suture tape augmentation in primary anterior cruciate ligament reconstruction
该数据集是前交叉韧带重建中缝线带增强系统评价与Meta分析的可重复性存档，包含研究级衍生数据、锁定分析数据集、Cui 2026附录、分析与绘图代码、检索策略、研究家族审计文档及95行全文候选日志。数据锁定于2026年10月2日，附录日期为2026年10月22日，版本3于2026年10月23日清理归档，数据与代码结果未变。数据以CC BY 4.0发布，代码以MIT发布，不含出版商PDF、全文文章或可识别患者数据，可用于复现该Meta分析的分析流程与结果（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该系统评价与Meta分析的可重复性存档，主题为初次前交叉韧带重建中的缝线带增强。存档包含研究级衍生数据、锁定分析数据集、Cui 2026附录、分析与绘图代码、检索策略、研究家族审计文档以及95行全文候选日志。存档不包含出版商PDF、全文文章或可识别患者身份的数据。数据锁定日期：2026年10月2日；Cui 2026附录日期：2026年10月22日。数据以CC BY 4.0发布；代码以MIT发布。参见存档中的README.md、LICENSE.md和RESTRICTED.md。版本3（2026年10月23日）：清理后的存档；数据、代码和结果未变。
【主题与分类】
主题标签：suture tape augmentation、internal brace、systematic review、meta-analysis、reproducibility。本站分类：肌肉骨骼疾病/其他。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23573356
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23573356
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 515.1 KB。
数据说明
关于初次前交叉韧带重建中缝线带增强的系统综述与Meta分析的可复现性档案。该档案包含衍生的研究级数据、锁定的分析数据集、Cui 2026增补文件、分析与图表代码、检索策略、研究家族审计文档以及95行全文候选日志。档案不包含出版商PDF、全文文章或可识别患者身份的数据。数据锁定日期：2026年10月2日；Cui 2026增补文件：2026年10月22日。数据以CC BY 4.0许可发布；代码以MIT许可发布。请参阅档案中的README.md、LICENSE.md和RESTRICTED.md。版本3（2026年10月23日）：清理后的档案；数据、代码和结果未变。
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。
