基于阻抗体积描记法的导管定向溶栓期间深静脉血栓监测数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT07665320

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：深静脉血栓形成（DVT）。本研究旨在使用项目期间开发的ThrombUS+原型设备和作为参考的商用IPG设备，从健康志愿者和DVT患者中采集IPG数据集。这些数据将用于开发ThrombUS+ IPG设备及其信号处理和分析算法，并用于训练机器学习模型。研究目标为：1. 采集IPG数据，用于开发用于DVT检测和评估的信号处理、数据分析和机器学习算法。2. 评估所开发方法相对于金标准参考的性能，包括血管造影、超声成像和静脉闭塞体积描记法。3. 研究多频IPG测量相比单频测量是否能提高DVT检测性能，并确定最佳测量频率。4. 研究和比较不同的干预措施以引起静脉血容量变化，从而用于DVT检测，例如通过大腿袖带进行静脉闭塞、主动呼吸和肌肉激活。次要目标为：1）研究模拟DVT的方法，并比较这些方法在DVT模拟中的性能。

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。