犬特应性皮炎病变严重度、瘙痒与继发感染并发症关联研究数据集与分析代码
该数据集收录了犬特应性皮炎研究中匿名化的临床病例数据与Python分析代码，研究主题为病变严重度、瘙痒与继发感染并发症之间的关联，共涵盖2024至2025年间的40例病例
基本信息
资源简介
犬特应性皮炎病变严重度、瘙痒与继发感染并发症关联研究数据集与分析代码
Dataset and analysis code for "Associations between lesional severity, pruritus and secondary infectious complications in canine atopic dermatitis: 40 cases (2024–2025)"
该数据集收录了犬特应性皮炎研究中匿名化的临床病例数据与Python分析代码，研究主题为病变严重度、瘙痒与继发感染并发症之间的关联，共涵盖2024至2025年间的40例病例。数据以database.xlsx存储，每行对应一只犬；analysis_script_v3.py可计算论文中报告的全部统计结果；README.docx提供完整数据字典、品种词汇表及分析复现说明。该数据可用于皮肤病学与兽医领域的关联分析、统计复现及方法学参考（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该记录包含研究“Associations between lesional severity, pruritus and secondary infectious complications in canine atopic dermatitis: 40 cases (2024–2025)”（作者：L.-E. Mastan、B. Sevastre 和 A.-L. Ursache）所使用的匿名化临床病例数据和 Python 分析代码。其中包含以下文件：- database.xlsx - 病例数据，每行对应一只犬 - analysis_script_v3.py - 用于计算文章中报告的每一项统计数据的 Python 脚本 - README.docx：完整数据字典、品种词汇表（部分品种名称保留原始录入形式，为罗马尼亚语或存在拼写变体），以及复现分析的说明
【主题与分类】
主题标签：Dermatitis, Atopic、Pruritus/veterinary。本站分类：皮肤疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23158101
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23158101
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:
数据集大小约 73.7 KB。
数据说明
本记录包含研究《犬特应性皮炎病变严重程度、瘙痒与继发感染性并发症之间的关联：40例（2024–2025年）》中所使用的匿名临床病例数据和Python分析代码，作者为L.-E. Mastan、B. Sevastre和A.-L. Ursache。记录包含以下文件：- database.xlsx——病例数据，每行代表一只犬- analysis_script_v3.py——计算文章中所有报告统计量的Python脚本- README.docx：完整的数据字典、品种词汇表（部分品种名称保留原始录入形式，为罗马尼亚语或存在拼写变体），以及复现分析的操作说明
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。
