基于脑电图的ICU与急性卒中诊断改进算法开发数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT07886957

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

适应症：出血性卒中、脑内出血、蛛网膜下腔出血（SAH）、缺氧后昏迷。依据 脑电图（EEG）是一种无创工具，用于检测和监测神经元活动。它在预测心脏骤停（CA）后缺氧后昏迷的神经功能预后方面起着关键作用。它在院前检测颅内出血（ICrH）方面也很有前景，包括脑内出血（ICH）和蛛网膜下腔出血（SAH）。传统头皮脑电图有两个实际局限性。其电极必须由专业人员仔细放置在头皮上。其解读需要专业知识，耗时且容易受到评估者间变异性的影响。在重症监护和急诊环境中，时间至关重要，而专家往往有限。在急性卒中救治中，快速检测ICrH对于尽早开始适当治疗至关重要。在CA后缺氧后昏迷中，建议入住ICU后尽早进行EEG监测，以准确预测神经功能预后。最近的初步研究表明，在这些时间紧迫的环境中，发际线下脑电图是头皮脑电图的一种可靠且简便的替代方法。

发际线脑电图是一种简化配置，由贴在额头和耳后的单个贴片组成。此外，用于自动解读发际线脑电图的人工智能（AI）算法可在两种场景中提供快速可靠的决策支持。假设 研究者假设，基于发际线脑电图的AI算法能够准确预测心脏骤停（CA）后缺氧性昏迷患者的神经学结局。研究者还假设，此类算法能够准确检测疑似卒中患者的脑出血（ICH）。目的 * 应用场景1（UC1）：开发并验证基于发际线脑电图的AI算法，用于预测CA后24小时缺氧性昏迷的结局。* 应用场景2（UC2）：开发并验证基于发际线脑电图和临床症状的AI算法，用于检测（疑似）卒中患者的ICH。研究设计 本

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。