EPIC ClearView 提供的预后指标
该数据集来自 clinicaltrials.gov，围绕 EPIC ClearView 设备采集的指尖图像展开，涉及冠状动脉疾病、充血性心力衰竭、瓣膜性心脏病、心房颤动、高血压、肾盂肾炎、急性肾衰竭和肾衰竭等循环系统及其他疾病
基本信息
资源简介
EPIC ClearView 提供的预后指标
该数据集来自 clinicaltrials.gov，围绕 EPIC ClearView 设备采集的指尖图像展开，涉及冠状动脉疾病、充血性心力衰竭、瓣膜性心脏病、心房颤动、高血压、肾盂肾炎、急性肾衰竭和肾衰竭等循环系统及其他疾病。研究目的是判断 ClearView 软件分析指尖图像后生成的 Response Scale 是否能呈现与医生已知诊断一致的趋势，并探索通过 Response Scale 报告识别已知活动性诊断所属器官系统，从而提供潜在的分诊能力。数据可用于评估该设备与软件在疾病趋势识别和分诊辅助方面的表现（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：冠状动脉疾病、充血性心力衰竭、瓣膜性心脏病、心房颤动、高血压、肾盂肾炎、急性肾衰竭、肾衰竭。本研究的目的是确定 EPIC ClearView 设备采集的指尖图像经 ClearView 软件分析后，是否能生成一个 Response Scale，用以刻画与医生所识别的已知诊断相一致的趋势。具体而言，研究者假设，涉及一系列已知活动性诊断中任一诊断的器官系统将在 EPIC ClearView Response Scale 报告中被识别出来，以期提供潜在的分诊能力。
【主题与分类】
主题标签：Coronary Artery Disease、Congestive Heart Failure、Valvular Heart Disease、Atrial Fibrillation、Hypertension、Pyelonephritis、Acute Renal Failure、Renal Failure、Viral Hepatitis、Alcoholic Hepatitis。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT01476995
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/NCT01476995
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
疾病：冠状动脉疾病、充血性心力衰竭、瓣膜性心脏病、心房颤动、高血压、肾盂肾炎、急性肾衰竭、肾衰竭。本研究旨在确定通过EPIC ClearView设备捕获的指尖图像，经ClearView软件分析后，是否能生成一种反应量表，该量表所表征的趋势与医生确定的已知诊断相一致。具体而言，研究人员假设，EPIC ClearView反应量表报告中能够识别出涉及一系列已知活动性诊断中任一诊断的器官系统，旨在提供潜在的分诊能力。
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。
