Alpha-1抗胰蛋白酶缺乏相关脂膜炎补充附录

该数据集是医学论文《Alpha-1抗胰蛋白酶缺乏相关脂膜炎》的补充附录,包含与Alpha-1抗胰蛋白酶缺乏症相关的脂膜炎的辅助数据,数据模态可能涉及临床表格、病理学图像或文本信息,主要用于支持遗传性肺病并发症和皮肤病理学领域的研究,帮助分析该疾病的临床表现和机制。

Mendeley Data
2021-01-28 更新
浏览 38
遗传性肺病并发症皮肤病理学
Supplementary appendix: Alpha-1 Antitrypsin Deficiency-Associated Panniculitis

基本信息

大小
0.000138141 GB
创建/更新时间
2021-01-28
版本
v1

资源简介

Alpha-1抗胰蛋白酶缺乏相关脂膜炎补充附录

【一句话概览】

该资源为《Alpha-1抗胰蛋白酶缺乏症相关脂膜炎》一文的补充附录,源站标题为“Supplementary appendix: Alpha-1 Antitrypsin Deficiency-Associated Panniculitis”,原始描述说明其为上述论文的补充附录。文件共1个,合计大小138.1 KB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Supplementary appendix: Alpha-1 Antitrypsin Deficiency-Associated Panniculitis.》。源站首次发布:2021-01-28。

【数据内容】

源站原始描述:Supplementary appendix to "Alpha-1 Antitrypsin Deficiency-Associated Panniculitis"

中文译文(机器翻译,仅供快速理解,请以原文为准):“α-1抗胰蛋白酶缺乏相关性脂膜炎”的补充附录。

【数据结构与技术规格】

文件数 1 个,合计 138.14 KB。数据集 DOI:10.17632/by37d26hr5.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/by37d26hr5

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/by37d26hr5

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

该数据集是医学研究论文《Alpha-1抗胰蛋白酶缺乏相关脂膜炎》的补充附录材料,主要包含与Alpha-1抗胰蛋白酶缺乏症(AATD)相关的脂膜炎(一种皮下脂肪组织炎症)的辅助数据。数据内容可能涉及临床病例信息、病理学图像、实验室检测结果或统计表格,用于支持原文的研究发现。数据来源于公开的医学研究,通过Mendeley Data平台发布,适用于遗传性肺病并发症、皮肤病理学等领域的研究,旨在帮助研究人员深入理解AATD相关脂膜炎的临床表现、诊断或治疗机制。

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