脑内出血部位特异性危险因素的系统综述与荟萃分析数据
该数据集来自 Dryad 数据仓库，对应一项关于脑内出血部位特异性危险因素的系统综述与荟萃分析。研究检索 PubMed 和 Embase 截至 2019 年 6 月 27 日的文献，纳入 42 项报告至少 100 例自发性脑内出血患者的研究，共 26 174 例患者（9 141 例脑叶出血和 17
基本信息
资源简介
脑内出血部位特异性危险因素的系统综述与荟萃分析数据
Location specific risk factors for intracerebral hemorrhage: Systematic review and meta-analysis
该数据集来自 Dryad 数据仓库，对应一项关于脑内出血部位特异性危险因素的系统综述与荟萃分析。研究检索 PubMed 和 Embase 截至 2019 年 6 月 27 日的文献，纳入 42 项报告至少 100 例自发性脑内出血患者的研究，共 26 174 例患者（9 141 例脑叶出血和 17 033 例非脑叶出血），提取危险因素数据并用随机效应方法合并估计。数据可用于复现或拓展脑内出血不同部位危险因素的证据综合研究（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）：目的：对报告脑内出血部位特异性危险因素的研究进行系统综述与荟萃分析。方法：我们检索 PubMed 和 Embase 中截至 2019 年 6 月 27 日发表的队列研究和病例对照研究，要求报告至少 100 例自发性脑内出血患者、明确血肿部位并报告与危险因素的关联。两名作者独立提取危险因素数据。采用基于通用方差的随机效应方法合并估计值。结果：筛选 10 013 篇文章后，纳入 42 项研究，共 26 174 例脑内出血患者（9 141 例脑叶出血和 17 033 例非脑叶出血）。非脑叶脑内出血的危险因素包括高血压（风险比 4.25，95% 置信区间 3.05-5.91，I 2 =92%）、糖尿病（RR 1.35，1.11-1.64，I 2 =37%）、男性（RR 1
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.9p8cz8wcf。
【主题与分类】
主题标签：Intracerebral hemorrhage。本站分类：神经系统疾病/脑内出血。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.9p8cz8wcf
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/dataset/doi:10.5061/dryad.9p8cz8wcf
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 5.5 MB。
数据说明
Wilmar Jolink; Kim Wiegertjes; Gabriël Rinkel; Ale Algra; Frank-Erik de Leeuw; Karin Klijn (2021). Location specific risk factors for intracerebral hemorrhage: Systematic review and meta-analysis [Dataset]. http://doi.org/10.5061/dryad.9p8cz8wcf
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。
