哥伦比亚白蛉媒介空间分布与皮肤利什曼病传播生态流行病学
该数据集围绕哥伦比亚皮肤利什曼病的传播生态流行病学,整合白蛉媒介的地理分布信息,并利用生态位建模探索21种医学相关物种的潜在分布

基本信息
资源简介
哥伦比亚白蛉媒介空间分布与皮肤利什曼病传播生态流行病学
Spatial distribution of sand fly vectors and eco-epidemiology of cutaneous leishmaniasis transmission in Colombia
该数据集围绕哥伦比亚皮肤利什曼病的传播生态流行病学,整合白蛉媒介的地理分布信息,并利用生态位建模探索21种医学相关物种的潜在分布。数据覆盖媒介物种分布、气候、土地利用与皮肤利什曼病流行率之间的关系,可用于分析环境因素对媒介分布和疾病传播的影响,支撑传播风险预测与公共卫生研究(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):背景:利什曼病由白蛉亚科昆虫传播,这些昆虫通过在森林与家养哺乳动物之间循环维持地方性流行循环;人类因媒介寻找血源而作为偶然宿主进入该循环。在哥伦比亚,利什曼病是一种地方性疾病,所有病例中95%为皮肤利什曼病(CL),这些病例已在该国多个地区报告,其中农业引入对森林地区的干预似乎对新传播循环的重组产生影响。本研究旨在更新该国媒介物种分布,并分析媒介分布、气候、土地利用与CL流行率之间的关系。方法:组装了一个包含地理信息的数据库,并进行了生态位建模,以探索21种医学重要物种各自的潜在分布。
【主题与分类】
主题标签:Pintomyia、Nyssomyia、Lutzomyia、Climate envelope、Psathyromyia、Phlebotominae、Leishmania vectors、Bichromomyia、Psychodopygus。本站分类:口腔疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Af8751e225e220746ec0764604278458094d609aac8933c9b61d08d2d1af1f268
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
背景:利什曼病由白蛉亚科昆虫传播,这些昆虫通过在森林哺乳动物与家养哺乳动物之间循环维持地方性动物病循环;由于媒介寻找血源,人类作为偶然宿主进入该循环。在哥伦比亚,利什曼病是一种地方性疾病,所有病例中95%为皮肤利什曼病(CL),这些病例已在哥伦比亚多个地区报告,在这些地区,农业引入对森林地区的干预似乎对新传播循环的重组产生了影响。本研究旨在更新该国媒介物种分布,并分析媒介分布、气候、土地利用与CL患病率之间的关系。方法:组装了一个包含地理信息的数据库,并进行了生态位建模,以探索哥伦比亚21种具有医学重要性的物种各自的潜在分布,使用了13个生物气候变量、3个地形变量和3个主成分……
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。




