电灼引导甲板分割以提升部分甲拔除术精度的补充数据
该数据集包含用于部分甲拔除术（如趾甲内嵌治疗）的补充媒体材料，包括手术视频和图像两种模态，展示了利用电灼技术对甲板进行预标记和减薄以提升手术精度的操作流程，主要用于甲病外科治疗技术研究、微创手术方法优化以及临床医学教育培训等领域。
基本信息
资源简介
电灼引导甲板分割以提升部分甲拔除术精度的补充数据
【数据集背景】
本数据集源站标题为《supplementary data forElectrocautery-guided nail plate division to enhance precision in partial nail avulsion》。源站首次发布：2026-04-27。
【数据内容】
源站原始描述：This dataset contains supplementary media for the surgical pearl manuscript titled "Electrocautery-guided nail plate division to enhance precision in partial nail avulsion". Partial nail avulsion for conditions such as ingrown toenails often requires the division of the nail plate using clippers or scissors, which can necessitate significant mechanical force and result in trauma to the nail bed or matrix. The media in this dataset demonstrate a solution using electrocautery to pre-mark and atten…
【数据结构与技术规格】
文件数 4 个，合计 14.44 MB。数据集 DOI：10.17632/njn4vbn4r7.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/njn4vbn4r7
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/njn4vbn4r7
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
该数据集为题为《电灼引导甲板分割以提升部分甲拔除术精度》的外科技巧论文提供补充媒体材料。数据集展示了在部分甲拔除术（常用于治疗趾甲内嵌等甲病）中，利用电灼技术在拔除前沿预定切除线对甲板进行预标记和减薄的方法。该方法通过可控减薄促进甲板无创伤分离，从而精确界定需切除的甲片，并减少意外损伤。数据集包含完整的手术操作序列：补充视频1演示了沿计划切除线进行电灼辅助纵向甲板划痕与减薄；补充图1展示了在电灼形成沟槽后使用甲剥离器进行侧向甲板分离；补充视频2演示了电灼划痕后使用甲剪进行甲板纵向分割；补充图2显示了在电灼引导减薄后使用甲剪纵向分割并移除病变甲片。该数据集主要用于甲病外科治疗、微创手术技术及医疗教育培训等领域的研究与应用。
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))
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。
