血管炎：皮肤科实践概述
该数据集包含48例经临床、病理及实验室确诊的血管炎患者的多模态临床数据，涵盖人口统计学信息、七种血管炎亚型的详细分型记录、皮肤表现（如紫癜、结节、网状青斑等）及全身性症状（发热、关节痛、呼吸困难等），主要应用于血管炎的临床分型研究、皮肤科与风湿免疫科的跨学科诊断分析，以及疾病表型与流行病学特征探索。
基本信息
资源简介
血管炎：皮肤科实践概述
【数据集背景】
本数据集源站标题为《Vasculitis: An Overview Through Dermatological Practice》。源站首次发布：2024-03-18。
【数据内容】
源站原始描述：This cross-sectional observational study was conducted on 48 individuals with specific vasculitis diagnosed on the basis of history, clinical, histological and laboratory parameters. The subjects were recruited from the outdoor and indoor of Dermatology Department, BSMMU over January 2017 to December 2019. Specific causes, types, spectrum of systemic and cutaneous manifestations and were recorded. Results: The diagnosed seven patterns of vasculitis were Leukocytoclastic vasculitis (LCV) (41.7%),…
【数据结构与技术规格】
文件数 5 个，合计 445.81 KB。数据集 DOI：10.17632/m2rg66r88p.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/m2rg66r88p
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/m2rg66r88p
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
本数据集是一项横断面观察性研究，收集了2017年1月至2019年12月在BSMMU大学皮肤科门诊及住院部确诊的48例血管炎患者数据。数据集基于病史、临床表现、组织病理学和实验室参数进行诊断，记录了具体病因、分型、系统性及皮肤表现的谱系。包含的血管炎类型包括白细胞破碎性血管炎（41.7%）、结节性多动脉炎（14.6%）、IgA血管炎（12.5%）、肉芽肿性多血管炎（12.5%）、青斑性血管病（8.3%）、嗜酸性肉芽肿性多血管炎（6.3%）和荨麻疹性血管炎（4.2%）。数据涵盖人口统计学特征、皮肤表现（如可触及紫癜、皮下结节、网状青斑等）及全身性表现（发热、关节痛、呼吸困难等）。该数据集适用于血管炎的临床分型研究、皮肤科与风湿免疫科跨学科诊断分析，以及疾病表型与流行病学特征研究。
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。
