基于风险的房颤评估筛查试验

数据集获取

源站：https://clinicaltrials.gov/study/NCT03911986

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：心房颤动与心房扑动。卒中是导致死亡和残疾的主要原因。心房颤动的首次诊断可能发生在卒中时（例如，约45%的急性卒中患者）。因此，未诊断的心房颤动是卒中预防中的一个重大医疗缺口。在此背景下，口服抗凝治疗在降低心房颤动患者缺血性卒中风险方面极为有效，可使风险降低三分之二。因此，卒中预防中的一个重大医疗缺口是社区中未被发现的心房颤动的普遍存在。对所有65岁以上患者进行传统脉搏筛查可在约1%的人群中检出新的心房颤动。CHA2DS2-VASc评分已被开发并验证，用于将心房颤动患者按卒中风险分为低、中、高危。研究者认为，CHA2DS2-VASc评分不仅为识别心房颤动高危患者提供了机会，还能识别出卒中风险最高的患者，从而识别出将从抗凝治疗中获得最大益处的患者。

外部佩戴式事件循环记录仪（ELR）的出现，为检测心房颤动提供了一种更便捷、更高效的方法。循环记录仪内置诊断算法，可识别心房颤动，并在事件触发前后启动记录。随后，试验心脏技术人员会对该心律条图进行检查和确认。研究者将检验，在高风险患者中使用外部循环记录仪是否会提高阵发性心房颤动的检出率。该研究是一项在全科医疗中开展的随机对照交叉多中心临床试验。已向戈尔韦大学医院研究伦理委员会申请伦理批准。研究者还与临床研究患者与公众参与组织进行了合作。研究者的主要研究问题是，延长心脏节律监测是否

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。