1726 nm 皮脂选择性激光跨皮肤类型安全有效治疗痤疮：前瞻性多中心研究一年数据-75753
数据集包含文章引用的补充图像，主题涉及皮肤与结缔组织疾病中的痤疮治疗，涵盖 1726 nm 皮脂选择性激光、不同皮肤类型、临床研究及激光美容面部手术等方向，可用于痤疮激光治疗相关
基本信息
资源简介
1726 nm 皮脂选择性激光跨皮肤类型安全有效治疗痤疮：前瞻性多中心研究一年数据
Safe and Effective Acne Treatment Across Skin Types with a 1726 nm Sebum-Selective Laser: One Year Data from a Prospective Multicenter Study
该数据集为论文《Safe and Effective Acne Treatment Across Skin Types with a 1726 nm Sebum-Selective Laser: One Year Data from a Prospective Multicenter Study》的补充图片资料，来源于 Mendeley Data，发布于 2025 年。论文作者包括 Goldberg、Ronan、Bhatia 等多位研究者，发表于 JAAD。数据集包含文章引用的补充图像，主题涉及皮肤与结缔组织疾病中的痤疮治疗，涵盖 1726 nm 皮脂选择性激光、不同皮肤类型、临床研究及激光美容面部手术等方向，可用于痤疮激光治疗相关。
【数据集背景】
源站首次发布：2025。
【主题与分类】
主题标签：Medicine、Health Sciences、Dermatology、Clinical Medicine、Plastic Surgery、Anti Acne Agent、Laser、Clinical Research、Laser Cosmetic Facial Surgery、Acne。本站分类：皮肤与结缔组织疾病/痤疮。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/998kjx97m3/1
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://doi.org/10.17632/998kjx97m3.1
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 105.8 KB。
数据说明
稿件“使用1726 nm皮脂选择性激光安全有效治疗各型皮肤痤疮：一项前瞻性多中心研究的一年数据”的补充图。作者：David Goldberg, MD, JD, Steve Ronan, MD, Ashish C. Bhatia, MD, FAAD, Sunil S. Dhawan, MD, Jeremy B. Green, MD, Suzanne L Kilmer, MS, MD, FAAD, William Kwan, MD, Linda Stein Gold, MD, Jonathan S. Weiss, MD, Margot Doucette, Michael Karavitis, Ph.D., Jeffrey S. Dover, MD, FRCPC 期刊：JAAD 本数据集包含文章中引用的补充图像。使用这些文件时，请引用该稿件。
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。
