恶性雀斑样痣决策辅助

恶性雀斑样痣决策辅助数据集,提供疾病和治疗选择的循证信息,以文本形式辅助患者决策。

Mendeley Data
2024-01-31 更新
浏览 24
文本恶性雀斑样痣文本
Decision Aid for Lentigo Maligna

基本信息

模态
文本
大小
0.001152703 GB
创建/更新时间
2024-01-31
版本
v1

资源简介

恶性雀斑样痣决策辅助

【一句话概览】

恶性雀斑样痣决策辅助工具由美国皮肤外科学会成员开发,并依据患者迭代反馈完善。其内容涵盖LM及相关治疗方式的循证信息,包括手术、5%咪喹莫特、放疗和主动监测;各治疗信息涉及疗效、优势与不良反应、预期随访及估算费用。工具中“我决策时可能考虑的事项”部分列有关于生活方式、合并症、社会因素和疾病相关担忧的问题。该资料含3个文件,合计1.2 MB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Decision Aid for Lentigo Maligna》。源站首次发布:2020-10-19。

【数据内容】

源站原始描述:The Decision Aid for Lentigo Maligna was developed by members of the American Society for Dermatologic Surgery with iterative feedback from patients. It contains evidence-based information regarding LM and various treatment modalities, including surgery, imiquimod 5%, radiation, as well as active surveillance. Treatment-specific information includes treatment efficacy, advantages and adverse effects, expected follow up, and estimated associated costs. The “things I might consider in my decision”…

【数据结构与技术规格】

文件数 3 个,合计 1.15 MB。数据集 DOI:10.17632/738h3y3mh8.1。

【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://data.mendeley.com/datasets/738h3y3mh8

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/738h3y3mh8

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。

获取专属数据定制方案