2011-2018年路易斯安那州Barataria Bay宽吻海豚健康评估中与妊娠或胎儿健康相关的超声检查结果
该数据集来自search.dataone.org,收录2011年8月3日至2018年7月19日在路易斯安那州Barataria Bay健康评估期间对43头怀孕野生宽吻海豚进行的超声检查结果,涵盖妊娠期测量与描述性发现

基本信息
资源简介
2011-2018年路易斯安那州Barataria Bay宽吻海豚健康评估中与妊娠或胎儿健康相关的超声检查结果
Ultrasonographic findings associated with pregnancy or fetal well-being in the bottlenose dolphins (Tursiops truncatus) during health assessments conducted in Barataria Bay, Louisiana from 2011-08-03 to 2018-07-19
该数据集来自search.dataone.org,收录2011年8月3日至2018年7月19日在路易斯安那州Barataria Bay健康评估期间对43头怀孕野生宽吻海豚进行的超声检查结果,涵盖妊娠期测量与描述性发现。数据可用于研究野生海豚妊娠与胎儿健康的超声特征,支持生殖成功与种群维持相关分析(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):生殖成功对于维持自由放养的宽吻海豚(Tursiops truncatus)种群至关重要,也是管理护理的关键组成部分。超声检查已被证明在野生海豚健康评估和海洋哺乳动物预防医学中具有不可估量的价值。它也是评估人类和动物(包括海豚和马)胎儿-母体单元的非侵入性护理标准。这项前瞻性纵向研究的目的是报告墨西哥湾北部野生海豚妊娠的测量值和描述性发现。在2011-2018年于路易斯安那州Barataria Bay进行的健康评估期间,对43头怀孕海豚进行了超声评估。这43次妊娠的结果包括9次成功、28次失败和6次未知,其中在妊娠早期收集了35次检查,妊娠中期7次,仅1次检查来自
【主题与分类】
主题标签:Ultrasound、Marine mammal、Bottlenose dolphin、Tursiops truncatus、Gestation、Fetus、Development、Louisiana、Barataria Bay、Gulf of Mexico。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/R5-x274-000-0008-0001
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://search.dataone.org/view/R5-x274-000-0008-0001
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
繁殖成功对于维持自由放养的宽吻海豚(Tursiops truncatus)种群至关重要,也是管理照护中的关键组成部分。超声检查已被证明在野生海豚健康评估和海洋哺乳动物预防医学中具有不可估量的价值。它也是评估人类及动物(包括海豚和马)胎儿-母体单元的一种非侵入性标准照护手段。本前瞻性纵向研究的目的是报告墨西哥湾北部野生海豚妊娠的测量数据和描述性发现。在2011年至2018年于路易斯安那州巴拉塔里亚湾进行的健康评估期间,对43头怀孕海豚进行了超声评估。这43例妊娠的结局包括9例成功、28例失败和6例未知,其中妊娠早期收集了35次检查、妊娠中期7次、妊娠晚期仅1次检查。
每次检查的超声分析最多包含70项参数,其中包括可能导致失败的潜在生物物理预测指标,如黄体大小变化、子宫胎盘厚度变化、胎盘早剥、胎儿肺/肝比值下降及脐带异常。
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。




