INSIGHT可行性研究:重症监护病房超声随机对照可行性试验
该数据集来自clinicaltrials.gov,对应INSIGHT可行性研究,即重症监护病房中超声应用的随机对照可行性试验

基本信息
资源简介
INSIGHT可行性研究:重症监护病房超声随机对照可行性试验
该数据集来自clinicaltrials.gov,对应INSIGHT可行性研究,即重症监护病房中超声应用的随机对照可行性试验。覆盖病症包括危重疾病、心脏并发症、胸腔积液、肺实变、腹水和血栓形成。数据涉及床旁超声(PoCUS)这一无创、无辐射的检查手段,可用于评估其在重症监护中的诊断价值、对临床决策(如俯卧位、通气支持、液体管理)的支持作用,以及减少患者转运和感染传播风险的潜力(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:危重疾病、心脏并发症、胸腔积液、肺实变、腹水、血栓形成。PoCUS是一种不使用有害辐射的非侵入性操作。因此,与听诊器相比,PoCUS可将患者风险降至最低,并具有更优越的诊断能力。非医务人员可以学习并使用PoCUS,其准确性相当。常规全身PoCUS可使有关挽救生命的干预措施(如患者体位(俯卧位)、通气支持和液体平衡优化)的临床决策更加知情和及时。PoCUS可以减少在ICU外进行诊断检测所花费的时间,通过减少患者接触来最小化感染传播,并降低与患者转运至扫描相关的风险。因此,增加PoCUS的使用有可能积极影响更多患者,同时减少对患者护理的干扰。此外,i
【主题与分类】
主题标签:Critical Illness、Cardiac Complication、Pleural Effusion、Consolidation、Ascites、Thrombosis。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05569798
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/NCT05569798
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
病症:危重症、心脏并发症、胸腔积液、肺实变、腹水、血栓形成。床旁即时超声(PoCUS)是一种不使用有害辐射的无创操作。因此,PoCUS能最大限度降低患者风险,且诊断能力优于听诊器。非医学专业人员也能学会并使用PoCUS,准确度相当。常规全身PoCUS可助力更明智、更及时地做出关于挽救生命干预措施的临床决策,如患者体位(俯卧位)、通气支持和液体平衡优化。PoCUS可减少在ICU外进行诊断性检查的时间,通过减少患者接触来降低感染传播风险,并降低与转运患者进行扫描相关的风险。因此,增加PoCUS的使用有可能惠及更多患者,同时减少对患者护理的干扰。此外,多个专业增加常规PoCUS使用将创建一个共享沟通平台,有望增强跨学科协作。PoCUS的使用满足了ICU对高级评估技能日益增长的需求,提高了自主性并改善了员工留任率。
PoCUS可通过减少对其他影像检查的需求来降低服务成本。此外,减少诊断性检查所带来的经济价值以及改善患者预后的潜力可能十分显著。诊断影像的存储解决方案在整个医疗服务体系中始终是一项持续挑战。影像存储于多个平台,使得图像回顾往往依赖于地点。确定最便于常规图像回顾的存储平台,可能对患者评估过程中影像的利用产生重大影响。研究者的目标是评估INSIGHT干预措施在ICU环境中的可接受性和可行性。该干预包括在ICU入院第1天、第3天和第7天进行全身PoCUS(INSIGHT)扫描,并由临床团队进行回顾。INSIGHT扫描是一种全身PoCUS扫描,包括对以下切面进行成像:1. 剑突下 2. i
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。




