大疱性表皮松解症患者损伤预防纺织结构设计与开发

针对大疱性表皮松解症患者,设计智能服装以预防损伤的纺织工程研究数据。

Repositório de Dados da Universidade do MinhoRepositório de Dados da Universidade do Minho
DataCite Commons
2025-05-15 更新
浏览 24
文本Epidermolysis BullosaTextileClothingPatient ComfortMedical textileEngineeringMedicineHealth and Life Sciences
Design and Development of Textile Structures for Injury Prevention in Patients with Epidermolysis Bullosa

基本信息

模态
文本
创建/更新时间
2025-05-15
版本
v1

资源简介

大疱性表皮松解症患者损伤预防纺织结构设计与开发

【一句话概览】

本数据集源自纺织工程博士研究“为预防大疱性表皮松解症使用者损伤的智能服装设计”,主题为设计与开发用于预防大疱性表皮松解症患者损伤的纺织结构。共4个文件,合计791.6 KB。标签包括大疱性表皮松解症、纺织、服装、患者舒适、医用纺织品、工程、医学、健康与生命科学(来源 Dataverse)。

【数据集背景】

本数据集源站标题为《Design and Development of Textile Structures for Injury Prevention in Patients with Epidermolysis Bullosa》。源站首次发布:2025-05-09。

【数据内容】

源站原始描述:Data from the PhD research in Textile Engineering: "Design of smart clothing for prevention of injuries in users with Epidermolysis Bullosa"

【数据结构与技术规格】

文件数 4 个,合计 791.63 KB。数据集 DOI:doi:10.34622/datarepositorium/EFAZEV。

【主题与分类】

主题标签:Epidermolysis Bullosa、Textile、Clothing、Patient Comfort、Medical textile、Engineering、Medicine, Health and Life Sciences。

【适用方向】

文本类数据可用于医学自然语言处理,如命名实体识别、信息抽取与文本分类。

【获取与许可】

源站页面:https://datarepositorium.uminho.pt/dataset.xhtml?persistentId=doi:10.34622/datarepositorium/EFAZEV

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。

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://datarepositorium.uminho.pt/citation?persistentId=doi:10.34622/datarepositorium/EFAZEV

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))

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。