SET 4- 照片：流浪犬皮肤病与真菌病原调查
该数据集来自 search.dataone.org，收录流浪犬健康状态照片，并涉及从皮炎病灶分离真菌病原的培养与显微镜鉴定信息
基本信息
资源简介
SET 4- 照片：流浪犬皮肤病与真菌病原调查
SET 4- Photographs 是一个以照片为主要载体的数据集，聚焦流浪犬的健康状态记录，并涉及皮炎病灶中真菌病原的分离与鉴定信息。该数据集在分类上归入皮肤疾病 / 其他，来源站为 search.dataone.org。从内容构成看，它既包含展示被调查、采样流浪犬健康状态的照片，也包含真菌病原在培养基上分离培养以及显微镜下鉴定的相关记录。数据集的主题标签涵盖皮炎、医学、健康与生命科学以及真菌病原，整体上服务于对流浪犬皮肤疾病尤其是真菌性皮炎问题的观察与研究。由于流浪犬与贫困人群在生活环境上高度接近并存在密切互动，该数据集所记录的信息也具有一定的公共卫生与社区健康参考意义。
【数据集背景】
该数据集关注的是流浪犬群体中的皮肤健康问题，特别是皮炎病灶相关的真菌病原。源站描述指出，数据集的调查对象是部分流浪犬，这些犬只被纳入调查与采样范围。值得注意的是，源站描述还强调了一个重要的背景信息：流浪犬与贫困人群生活在非常接近的环境中，并与这些人发生互动，从而形成一个混合的社区。这一背景使得流浪犬的健康状态记录不仅具有动物医学意义，也与人类健康环境存在关联。数据集以照片形式呈现流浪犬的健康状态，同时记录了从皮炎病灶中分离真菌病原的培养与显微镜鉴定信息，说明其调查工作同时覆盖了现场观察与实验室检测两个层面。
【数据内容】
数据集的核心内容包括两类信息。第一类是照片，用于展示被调查和采样流浪犬的健康状态，属于直观的影像记录。第二类是从皮炎病灶中分离真菌病原的相关信息，具体涉及在培养基上进行培养分离，以及通过显微镜进行鉴定。主题标签中的皮炎、真菌病原以及医学、健康与生命科学，进一步概括了数据内容所属的领域。整体而言，数据内容围绕流浪犬皮肤病灶的影像记录与病原学鉴定展开，将现场照片与实验室培养、镜检信息结合在一起。
【采集与来源】
数据集的来源站为 search.dataone.org。采集对象为部分被调查和采样的流浪犬，采集内容涵盖健康状态照片，以及皮炎病灶样本在培养基上的真菌病原分离培养与显微镜鉴定。源站描述提到流浪犬与贫困人群近距离共居并相互接触、形成混合社区，这一生活环境信息构成了采集工作的背景条件。除此之外，关于采集时间、地点、样本数量、具体操作流程等信息，源站未提供。
【适用场景】
基于现有信息，该数据集可用于与流浪犬皮肤疾病相关的观察与研究，尤其是皮炎病灶中真菌病原的识别与记录。照片资料可用于展示流浪犬的健康状态，培养与镜检信息可用于说明真菌病原的分离与鉴定过程。考虑到流浪犬与贫困人群近距离共居并形成混合社区的背景，该数据集也可为关注人犬共处环境下健康问题的研究提供参考素材。其他更具体的应用方向，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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
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
展示部分接受调查和采样的流浪犬健康状况的照片；从皮炎病变处分离真菌病原体于培养基上，以及显微镜下的鉴定。此外，流浪犬与贫困人群居住地相近，并与他们互动，形成混合社区。
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。
