化脓性汗腺炎项目数据集

该数据集来自 data.mendeley.com,围绕化脓性汗腺炎与心血管风险的关联展开,包含临床数据、流式细胞术数据与 OCT 数据三类文件

google_dataset
2025-06-17 更新
浏览 4
其他分类化脓性汗腺炎心血管风险内皮损伤循环内皮细胞视网膜血管改变OCT血管成像炎症与内皮生物标志物
Hidradenitis suppurativa project

基本信息

模态
其他
大小
0.0000425 GB
任务类型
分类
创建/更新时间
2025-06-17
版本
v1

资源简介

化脓性汗腺炎项目数据集

Hidradenitis suppurativa project

该数据集来自 data.mendeley.com,围绕化脓性汗腺炎与心血管风险的关联展开,包含临床数据、流式细胞术数据与 OCT 数据三类文件。研究在 17 例 HS 患者与 19 例匹配对照中评估循环内皮细胞,利用光学相干断层扫描血管成像评估视网膜血管改变,并测定炎症与内皮生物标志物血浆水平。数据可用于探索化脓性汗腺炎患者的内皮功能、血管重塑及心血管风险相关分析(来源 Mendeley Data)。

【数据集背景】

源站首次发布:2025-06-17。

【数据内容】

源站描述(机器翻译,仅供参考):据报道,化脓性汗腺炎与心血管风险增加相关。然而,很难将疾病本身的作用与常并存的心血管危险因素的作用区分开来。我们检验了心血管危险因素患病率低的患者与匹配对照人群相比是否表现出内皮损伤和病理性血管重塑。在 17 例 HS 患者和 19 例匹配对照中评估了循环内皮细胞。使用光学相干断层扫描血管成像评估视网膜血管改变。测量了炎症和内皮生物标志物的血浆水平。我们的结果表明,化脓性汗腺炎与存活循环内皮祖细胞的显著减少相关,没有急性内皮损伤的迹象。受影响受试者表现出更窄的小动脉直径和更宽的

【数据结构与技术规格】

文件数 3 个,合计 42.50 KB。数据集 DOI:10.17632/tpndx2k6vp.1。

【主题与分类】

主题标签:化脓性汗腺炎、心血管风险、内皮损伤、循环内皮细胞、视网膜血管改变、OCT血管成像、炎症与内皮生物标志物。本站分类:皮肤与结缔组织疾病/化脓性汗腺炎。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/tpndx2k6vp

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/tpndx2k6vp/1

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。

数据集大小约 42.5 KB。

数据说明

margherita tiezzi (2025). Hidradenitis suppurativa project [Dataset]. http://doi.org/10.17632/tpndx2k6vp.1

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