黑色素瘤城乡结局差异分析:2001-2016年内布拉斯加州癌症登记处数据

提供内布拉斯加州黑色素瘤发病率与皮肤科医生分布热图,用于城乡差异分析。

NIAID Data Ecosystem
浏览 13
图像黑色素瘤城乡差异
Disparities in melanoma outcomes in urban versus rural settings: An analysis from the Nebraska Cancer Registry 2001-2016

基本信息

模态
图像
大小
0.000403064 GB
创建/更新时间
2026-10-08
版本
v1

资源简介

黑色素瘤城乡结局差异分析:2001-2016年内布拉斯加州癌症登记处数据

【一句话概览】

该资料源自题为《城市与农村环境中黑色素瘤结局差异:2001—2016年内布拉斯加州癌症登记处分析》的补充材料,包含1个文件,合计403.1 KB。其提供内布拉斯加州2001—2005年与2011—2015年黑色素瘤粗发病率热图,并提供2016年内布拉斯加州每10万人口皮肤科医生数量的热图(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Disparities in melanoma outcomes in urban versus rural settings: An analysis from the Nebraska Cancer Registry 2001-2016》。源站首次发布:2023-03-16。

【数据内容】

源站原始描述:This supplemental material provides a heat map for the crude incidence rates of melanoma in Nebraska between 2001-2005 and 2011- 2015. Additionally, it provides a heat map to determine the number of Dermatologists per 100,000 for the year 2016 in Nebraska

中文译文(机器翻译,仅供快速理解,请以原文为准):本补充材料提供了内布拉斯加州2001-2005年和2011-2015年期间黑色素瘤粗发病率的热图。此外,它还提供了一张热图,用于确定2016年内布拉斯加州每100,000人中的皮肤科医生人数。

【数据结构与技术规格】

文件数 1 个,合计 403.06 KB。数据集 DOI:10.17632/gr4d72hj2j.1。

【适用方向】

影像类数据可用于医学图像分析模型(检测、分割、分类)的训练与评测,也可用于标注质量与成像参数相关性的研究。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/gr4d72hj2j

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/gr4d72hj2j

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(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