儿童膜周部室间隔缺损经导管封堵术后并发症的多模态AI预测模型

数据集获取

源站：https://clinicaltrials.gov/study/NCT07375602

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

条件：先天性心脏病（CHD）、室间隔缺损（VSD）、心导管插入术、术后并发症。本观察性研究的目标是开发并验证一种多模态人工智能预测模型，用于预测接受经导管封堵术的膜周部室间隔缺损（pmVSD）患儿的治疗相关并发症。其主要研究问题是：一个整合了人口统计学资料、实验室结果、电子健康记录文本、超声心动图报告、胸部X线片和心电图的人工智能模型，能否在个体患者层面准确预测并发症风险？数据将回顾性收集自接受经导管封堵术治疗pmVSD的儿科患者的常规临床护理记录。将使用深度学习方法从文本和图像中提取特征，以训练和验证预测模型。

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。