CHOP与SFG口颌面裂特征数据集

该数据集来自data.mendeley.com,收录CHOP与SFG口颌面裂特征数据,包含1个CSV文件。数据涵盖2012至2019年费城儿童医院514例孤立性口颌面裂患者的回顾性手术信息与LAHSHAL裂严重度评分,以及2017至2020年危地马拉城四次为期一周的巡回手术任务中115例孤立性口颌面

google_dataset
2021-02-01 更新
浏览 14
其他分类口颌系统疾病唇裂和腭裂LAHSHAL评分手术信息回顾性数据前瞻性数据
Orofacial cleft characterization CHOP vs SFG

基本信息

模态
其他
大小
0.000223691 GB
任务类型
分类
创建/更新时间
2021-02-01
版本
v1

资源简介

CHOP与SFG口颌面裂特征数据集

Orofacial cleft characterization CHOP vs SFG

该数据集来自data.mendeley.com,收录CHOP与SFG口颌面裂特征数据,包含1个CSV文件。数据涵盖2012至2019年费城儿童医院514例孤立性口颌面裂患者的回顾性手术信息与LAHSHAL裂严重度评分,以及2017至2020年危地马拉城四次为期一周的巡回手术任务中115例孤立性口颌面裂患者的前瞻性数据。可用于口颌面裂严重度评估、手术特征分析及相关分类研究(来源 Mendeley Data)。

【数据集背景】

源站首次发布:2021-02-01。

【数据内容】

源站描述(机器翻译,仅供参考):从费城儿童医院2012至2019年间计划手术的514例孤立性口颌面裂患者中回顾性收集手术信息和LAHSHAL裂严重度评分,并从2017至2020年间在危地马拉城进行的四次为期一周的巡回手术任务中前瞻性收集115例孤立性口颌面裂患者的数据。

【数据结构与技术规格】

文件数 1 个,合计 223.69 KB。数据集 DOI:10.17632/d4mpp3r8x3.1。

【主题与分类】

主题标签:口颌系统疾病、唇裂和腭裂、LAHSHAL评分、手术信息、回顾性数据、前瞻性数据。本站分类:口颌系统疾病/唇裂和腭裂。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/d4mpp3r8x3

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/d4mpp3r8x3

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。

数据集大小约 223.7 KB。

数据说明

Elizabeth Card (2021). Orofacial cleft characterization CHOP vs SFG [Dataset]. http://doi.org/10.17632/d4mpp3r8x3.1

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