WOCA负压伤口治疗设备数据集

WOCA负压伤口治疗设备在低资源环境下的设计、原型与性能测试数据集,用于慢性伤口护理。

NIAID Data Ecosystem
浏览 11
表格慢性伤口负压伤口治疗
The WOCA negative pressure wound therapy device designed for low resource settings

基本信息

模态
表格
大小
0.062791136 GB
创建/更新时间
2026-10-07
版本
v2

资源简介

WOCA负压伤口治疗设备数据集

【一句话概览】

本数据集是 Mendeley Data 公开的结构化表格数据集,收录 24 个文件、合计 62.79 MB,可用于统计建模、特征工程与队列分析。

【数据集背景】

本数据集源站标题为《The WOCA negative pressure wound therapy device designed for low resource settings》。源站首次发布:2024-12-31。

【数据内容】

源站原始描述:ABSTRACT: Negative Pressure Wound Therapy (NPWT) is a treatment that promotes healing of chronic wounds. Despite high prevalence of chronic wounds in Low- and Middle-Income Countries (LMICs), NPWT devices are not available nor affordable. This study aims to improve chronic wound care in LMICs by presenting the Wound Care (WOCA) system, designed for building, testing and use in LMICs. Design requirements were formulated using input from literature, ISO standards, and wound care experts. The WOCA…

【数据结构与技术规格】

文件数 24 个,合计 62.79 MB。数据集 DOI:10.17632/r95wgtmffn.2。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/r95wgtmffn

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://data.mendeley.com/datasets/r95wgtmffn

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))

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。