锥切术后早产预防：宫颈长度筛查与靶向环扎模型
该数据集来自 search.dataone.org，聚焦有宫颈上皮内瘤变（CIN）锥切治疗史的孕妇，收集 2004 至 2014 年间在伦敦三所大学医院早产监测门诊就诊的 725 名孕妇的纵向宫颈长度（CL）数据
基本信息
资源简介
锥切术后早产预防：宫颈长度筛查与靶向环扎模型
Preterm birth prevention post-conization: a model of cervical length screening with targeted cerclage
该数据集来自 search.dataone.org，聚焦有宫颈上皮内瘤变（CIN）锥切治疗史的孕妇，收集 2004 至 2014 年间在伦敦三所大学医院早产监测门诊就诊的 725 名孕妇的纵向宫颈长度（CL）数据。数据可用于开发筛查模型，将锥切术后妊娠区分为早产低风险与高风险，并评估缝线材料对超声指征宫颈环扎疗效的影响，比较靶向环扎后 37 周前早产率与本地、全国背景率及该队列预期率（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）：有宫颈上皮内瘤变（CIN）宫颈切除治疗（锥切）史的妇女在后续妊娠中早产、围产期疾病和死亡的风险增加。我们旨在开发一个筛查模型，有效区分锥切术后妊娠为早产低风险和高风险，并评估缝线材料对超声指征宫颈环扎疗效的影响。我们分析了 725 名锥切术后孕妇的纵向宫颈长度（CL）数据，这些孕妇在十年期间（2004–2014 年）就诊于伦敦三所大学医院的早产监测门诊。将宫颈长度<25mm 行靶向环扎后 37 周前早产率与本地和全国背景率及该队列的预期率进行比较。还比较了使用单丝或编织缝线材料进行环扎的比率。在 7
【主题与分类】
主题标签：Preterm birth、cervical intra-epithelial neoplasia、excisional cervical treatment、cervical cerclage、LLETZ、2004-2014、cervical length。本站分类：妊娠、分娩和产褥期。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A99f5406ab7b6fd7ed59d702dc19d23b1070c47aec7dfaa3d65a57e36f0c1c715
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
有宫颈上皮内瘤变（CIN）切除治疗（锥切术）史的妇女，在后续妊娠中早产、围产期疾病和死亡的风险增加。我们旨在开发一种筛查模型，以有效区分锥切术后妊娠为早产低风险和高风险，并评估缝合材料对超声指示宫颈环扎术疗效的影响。我们分析了十年期间（2004-2014年）在伦敦三所大学医院早产监测诊所就诊的725名锥切术后孕妇的纵向宫颈长度（CL）数据。将针对CL<25mm的目标环扎术后37周前早产率与当地和国家背景率以及该队列的预期率进行了比较。还比较了使用单丝或编织缝合材料进行环扎术的比率。在725名锥切术后妇女中，13.5%（98/725）接受了超声指示的环扎术，9.7%（70/72…
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。
