人类鼻腔高质量统计形状建模及其应用
该数据集基于46例临床CT数据，构建了人类鼻腔的高质量统计形状模型。研究采用圆柱参数化方法建立群体鼻腔形状间的对应关系，并通过主成分分析得到平均鼻腔几何及几何变异，共提取46个主成分，覆盖总几何变异的95%
基本信息
资源简介
人类鼻腔高质量统计形状建模及其应用
High quality statistical shape modelling of the human nasal cavity and applications
该数据集基于46例临床CT数据，构建了人类鼻腔的高质量统计形状模型。研究采用圆柱参数化方法建立群体鼻腔形状间的对应关系，并通过主成分分析得到平均鼻腔几何及几何变异，共提取46个主成分，覆盖总几何变异的95%。数据涵盖鼻腔形态、年龄、性别等主题，可用于研究鼻腔形状与功能的关系，以及鼻腔形态变异的定量分析（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：人类鼻子是一个复杂的器官，表现出很大的形态变异，并具有许多重要功能。然而，形状与功能之间的关系尚未完全被理解。在这项工作中，我们基于46名患者的临床CT数据，提出了一个高质量的人类鼻子统计形状模型。使用基于圆柱参数化的技术来创建群体鼻腔形状之间的对应关系。对这些对应鼻腔应用主成分分析，得到了平均鼻腔几何形状和群体中存在的几何变异（称为主成分），且精度很高。分析得到了46个主成分，它们解释了所捕获的总几何变异的95%。这些变异首先进行了定性讨论，并且前五个主成分对平均鼻腔形状的影响
【主题与分类】
主题标签：geometry average、age、morphology、nose、cylindrical parametrization、gender。本站分类：耳鼻咽喉疾病/其他。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Ac4b15a12ed774be01be46e441733d6db2fa6993324529583fd47f30e4c6669fa
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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:
数据说明
人类鼻子是一个复杂的器官，具有较大的形态变异和许多重要功能。然而，形状与功能之间的关系尚未被完全理解。在本研究中，我们基于46名患者的临床CT数据，提出了一个高质量的人鼻统计形状模型。采用基于圆柱参数化的技术来建立人群鼻形状之间的对应关系。对这些建立对应关系的鼻腔应用主成分分析，得到了平均鼻几何形状以及人群中存在的高精度几何变异（即主成分）。分析共得到46个主成分，它们解释了所捕获的总几何变异的95%。这些变异首先进行了定性讨论，并将前五个主成分对平均鼻形状的影响进行了可视化。此后，利用该统计形状模型，展示了两个可产生定量数据的应用示例：鼻形状随年龄和性别的变化，以及不同解剖区域的形态测量分析。
形状模型（如本文所展示的模型）有助于更好地理解鼻部形状及其变异，以及它们与人口统计学数据之间的关系。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
