AI辅助与独立心脏听诊筛查儿童先天性心脏病

数据集获取

源站：https://clinicaltrials.gov/study/NCT07830251

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）、人工智能、筛查、心脏听诊、初级保健医生。这是一项在中国青海省开展的前瞻性、基于学校的整群随机对照试验。该研究将评估人工智能（AI）能否帮助初级保健医生在大规模儿童和青少年筛查中识别先天性心脏病（CHD）。符合条件的是学校而非个体参与者，将被随机分配到两种筛查方法之一：由初级保健医生独立进行心脏听诊，或AI辅助心脏听诊。在两组中，初级保健医生都将进行心脏听诊并记录心音。在AI辅助组中，医生还将获得对记录心音的AI分析，以支持其最终筛查决定。参与者将接受病史采集、心脏听诊、心音记录和超声心动图检查。超声心动图和专家复核将作为参考标准。

主要结局是每种筛查方法检测可能需要临床干预或专科管理的CHD的敏感性。该研究还将评估所有CHD的检出情况、转诊完成情况、转诊后确诊情况以及相关筛查结局。

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。