腰椎管狭窄症患者硬膜外脂肪厚度临床意义研究数据

该数据集包含腰椎管狭窄症患者的匿名化临床特征与多模态医学影像数据,具体涵盖磁共振成像(MRI)和X光片图像以及相关的临床参数,主要用于脊柱疾病研究、医学影像分析、硬膜外脂肪厚度临床意义探索以及辅助临床决策支持等方向。

Mendeley Data
2024-06-25 更新
浏览 29
腰椎管狭窄症医学影像
Data for: Clinical Implications of the Epidural Fat Thickness in the Management of Lumbar Spinal Stenosis

基本信息

大小
0.000435219 GB
创建/更新时间
2024-06-25
版本
v1

资源简介

腰椎管狭窄症患者硬膜外脂肪厚度临床意义研究数据

【一句话概览】

该数据集对应研究《Data for: Clinical Implications of the Epidural Fat Thickness in the Management of Lumbar Spinal Stenosis》,内容为腰椎管狭窄症患者中 LEL 患者的特征及影像学(MRI/X 射线)参数,且已作匿名化处理。数据集共包含 6 个文件,合计大小 435.2 KB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Data for: Clinical Implications of the Epidural Fat Thickness in the Management of Lumbar Spinal Stenosis》。源站首次发布:2020-10-19。

【数据内容】

源站原始描述:Characteristics and images (MRI/Xrays) parameters of the patients with LEL (anonymised)

中文译文(机器翻译,仅供快速理解,请以原文为准):LEL患者的特征和影像(MRI/X光)参数(匿名化)

【数据结构与技术规格】

文件数 6 个,合计 435.22 KB。数据集 DOI:10.17632/fx6w548yvs.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/fx6w548yvs

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/fx6w548yvs

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。

数据说明

该数据集是一个关于腰椎管狭窄症(Lumbar Spinal Stenosis)的医学研究数据集,旨在探讨硬膜外脂肪厚度对疾病管理的临床意义。数据集包含经过匿名化处理的腰椎管狭窄症患者的临床特征与影像学参数,具体包括患者的磁共振成像(MRI)和X光片图像数据,以及相关的临床参数。数据来源于真实的患者病例,通过医学影像采集和临床记录整理构建而成。该数据集主要用于脊柱疾病研究、医学影像分析、临床决策支持以及硬膜外脂肪在腰椎管狭窄症中作用的机制探索等领域。

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