紫绀型先天性心脏病近红外光谱数据集
该数据集来自 clinicaltrials.gov,聚焦紫绀型先天性心脏病,收录近红外光谱(NIRS)相关研究信息。NIRS 曾被用于预测短期临床结局(低心输出量状态、延长通气时间、延长住院时间)和长期临床结局(1 岁时神经发育评分降低、磁共振成像影像学改变),并与混合静脉血氧饱和度和血清乳酸等传统

基本信息
资源简介
紫绀型先天性心脏病近红外光谱数据集
该数据集来自 clinicaltrials.gov,聚焦紫绀型先天性心脏病,收录近红外光谱(NIRS)相关研究信息。NIRS 曾被用于预测短期临床结局(低心输出量状态、延长通气时间、延长住院时间)和长期临床结局(1 岁时神经发育评分降低、磁共振成像影像学改变),并与混合静脉血氧饱和度和血清乳酸等传统整体组织灌注标志物进行对比,但结果不一。目前缺乏评估 NIRS 与直接临床结局的前瞻性数据,触发组织损伤的阈值或低于阈值的持续时间尚不明确,因此针对改善 NIRS 值的管理策略的获益与风险仍属未知(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:先天性心脏缺陷。NIRS 已被用于预测短期临床结局(低心输出量状态、延长通气时间和延长住院时间)和长期临床结局(1 岁时神经发育评分降低、磁共振成像上的影像学改变)。NIRS 也已被与传统整体组织灌注标志物(如混合静脉血氧饱和度和血清乳酸)进行对比测试,然而,这些研究的结果不一。缺乏评估 NIRS 与直接临床结局的前瞻性数据,并且对于导致组织损伤的阈值或低于阈值的持续时间存在不确定性。由于缺乏这些数据,针对改善 NIRS 值的管理策略的获益和风险仍然未知。我们将描述脑和躯体血氧饱和度、脉搏血氧饱和度和部分……的时间序列
【主题与分类】
主题标签:Congenital Heart Defects。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02417259
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT02417259
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 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。
- OpenDataLab:
数据说明
条件:先天性心脏缺陷。NIRS已被用于预测短期临床结局(低心输出量状态、通气时间延长和住院时间延长)和长期临床结局(1岁时神经发育评分降低、磁共振成像上的影像学改变)。NIRS也已与传统的整体组织灌注标志物(如混合静脉血氧饱和度和血清乳酸)进行对比测试,然而,这些研究的结果不一。目前缺乏评估NIRS与直接临床结局的前瞻性数据,并且对于导致组织损伤的阈值或低于阈值的持续时间仍存在不确定性。由于缺乏这些数据,旨在改善NIRS值的管理策略的获益与风险仍属未知。我们将描述接受先天性心脏缺陷手术修复的青紫型患儿脑和躯体血氧饱和度、脉搏血氧饱和度和动脉血氧分压的时间序列。然后,我们将确定这些时间序列之间的相关性(如有)。
这一新信息将推进我们对围手术期血流动力学变化的理解,并可能带来新的治疗靶点。主要假设是,与术后立即出现的脉搏血氧饱和度(SpO2)和动脉血氧分压(PaO2)变化相比,脑和躯体血氧饱和度会出现延迟升高。次要假设是确立去饱和评分(1小时内曲线下面积[AUC]下降20%)在早期预测不良结局中的适用性。血氧探头将在麻醉诱导前放置(以确定基线),并在整个手术期间及术后48小时内持续记录。接受心脏手术的儿童通常住院1-2周。我们还将在出院前进行血氧测量(以确定新的稳态)。测量部位为脑(f
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




