通过切除边界外皮下平面脱毛预防化脓性汗腺炎复发

该数据集包含化脓性汗腺炎患者术后第60天的临床图像模态数据,展示了通过切除边界外皮下平面脱毛技术实现的伤口愈合、瘢痕最小化及毛发密度降低效果,主要用于评估外科治疗对预防疾病复发的有效性,支持皮肤外科和慢性炎症性疾病管理的研究。

Mendeley Data
浏览 32
化脓性汗腺炎外科治疗术后复发预防
Hair removal through subcutaneous plane beyond the excision borders: A new way to prevent recurrences in hidradenitis suppurativa

基本信息

大小
0.001922367 GB
创建/更新时间
2026-09-21
版本
v1

资源简介

通过切除边界外皮下平面脱毛预防化脓性汗腺炎复发

【数据集背景】

本数据集源站标题为《Hair removal through subcutaneous plane beyond the excision borders: A new way to prevent recurrences in hidradenitis suppurativa》。源站首次发布:2024-10-24。

【数据内容】

源站原始描述:Figure 2b(Supplementary) - At Postoperative Day 60: Healing with minimal scarring with reduced hair density far from primary closure site. No active lesions or recurrence

【数据结构与技术规格】

文件数 1 个,合计 1.92 MB。数据集 DOI:10.17632/jp2h5fmy92.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/jp2h5fmy92

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/jp2h5fmy92

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。

数据说明

该数据集聚焦于化脓性汗腺炎(Hidradenitis suppurativa)的外科治疗与术后复发预防研究。数据主要包含术后第60天的临床图像(如补充图2b),展示通过切除边界外皮下平面脱毛技术实现伤口愈合、瘢痕最小化、原闭合部位远处毛发密度降低,以及无活动性病变或复发的情况。数据来源于医学研究,通过临床观察和图像记录构建,旨在探索新的外科技术对预防疾病复发的效果,适用于皮肤外科、慢性炎症性疾病管理及术后干预策略的研究。

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。

获取专属数据定制方案