医学耳鼻喉数据集

包含134名耳鼻喉科患者的人口统计学和临床属性,用于疾病谱分析和隐私保护研究。

Mendeley Data
2020-08-02 更新
浏览 14
表格耳鼻喉疾病表格
Application of anonymization methods on Medical ENT Dataset

基本信息

模态
表格
大小
0.000027338 GB
创建/更新时间
2020-08-02
版本
v1

资源简介

医学耳鼻喉数据集

【一句话概览】

该数据集主题为匿名化方法在医疗ENT数据集上的应用。资料来自位于印度泰米尔纳德邦韦洛尔郊区的医院,收集并分析了134名患者的人口学与临床属性,以了解该院耳鼻喉科门诊所见的ENT疾病谱。研究将隐私保护数据挖掘概念应用于转换后的医疗数据,旨在限制患者被重新识别,同时揭示数据中的知识。文件数为1个,合计大小27.3 KB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Application of anonymization methods on Medical ENT Dataset》。源站首次发布:2020-08-02。

【数据内容】

源站原始描述:The hospital is located in suburbs of Vellore, Tamil Nadu, India. Demographical and clinical attributes of 134 patients were collected and analysed to know the spectrum of ENT diseases presenting to the ENT outpatients department of the hospital. Concepts of Privacy Preserving Data Mining is applied over the transformed medical data to restrict re-identification of patients but reveal the knowledge in the data

【数据结构与技术规格】

文件数 1 个,合计 27.34 KB。数据集 DOI:10.17632/tv8rr84k5n.1。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/tv8rr84k5n

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/tv8rr84k5n

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