德国异位妊娠危险因素：100,197例患者回顾性研究

数据集获取

源站：https://search.dataone.org/view/sha256%3A3a94a1151a6c61d8d17c436f6cb747565ea7c94d300eefb4c8adca1f0cffe114

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。

数据说明

目的：本研究旨在识别在德国妇科诊所随访的女性中异位妊娠的潜在危险因素。方法：本研究纳入了2012年1月至2016年12月期间在262家妇科诊所随访的被诊断为异位妊娠的孕妇以及未发生异位妊娠的孕妇。采用多因素logistic回归模型评估人口学和临床变量对发生异位妊娠风险的影响。结果：本研究共纳入3，003例异位妊娠女性和97，194例非异位妊娠女性。异位妊娠患者的平均年龄为31.4岁（SD=5.9岁），非异位妊娠患者的平均年龄为31.1岁（SD=5.6岁）。与31–35岁女性相比，36–40岁（OR=1.12）和41–45岁（OR=1.46）女性发生异位妊娠的风险更高。既往异位妊娠与异位妊娠复发风险强烈相关（OR=8.17）。既往生殖器手术…

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。