急诊科无接触超声数据采集用于鉴别呼吸困难与胸痛来源
该数据集来自 clinicaltrials.gov,主题为在急诊科通过无接触超声数据采集来鉴别呼吸困难和胸痛来源,本站归类于循环系统疾病/心力衰竭

基本信息
资源简介
急诊科无接触超声数据采集用于鉴别呼吸困难与胸痛来源
该数据集来自 clinicaltrials.gov,主题为在急诊科通过无接触超声数据采集来鉴别呼吸困难和胸痛来源,本站归类于循环系统疾病/心力衰竭。源站描述指出急性呼吸困难占急诊就诊的7%至12%,其中半数以上患者超过65岁,主要病因包括急性心力衰竭、呼吸道感染、哮喘或慢性阻塞性肺疾病加重及肺栓塞,这些发作常导致住院且死亡率较高,例如急性心力衰竭可达10%。数据可用于呼吸困难与胸痛的病因分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Dyspnea, Chest Pain. 急性呼吸困难是急诊科(ED)就诊的常见原因,占所有就诊的7%至12%(Mockel et al., 2013)。这些患者中超过一半年龄在65岁以上——这一人群的呼吸系统由于实质退化和与年龄相关的通气和免疫功能下降而特别脆弱(Boisguérin et Mauro, 2017)。在急诊科,急性呼吸困难的主要原因包括急性心力衰竭、呼吸道感染、哮喘或慢性阻塞性肺疾病加重以及肺栓塞(Ray et al., 2006)。这些发作常导致住院并带来显著的死亡率——例如急性心力衰竭可达10%(Freund et al., 2020)——以及明显的自主能力丧失,无论是由于呼吸功能损害本身还是由于去适应
【主题与分类】
主题标签:Dyspnea、Chest Pain。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07653204
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/NCT07653204
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
主诉:呼吸困难、胸痛。急性呼吸困难是急诊科就诊的常见原因,占所有就诊量的7%至12%(Mockel等,2013)。其中超过半数的患者年龄在65岁以上——这一人群的呼吸系统尤为脆弱,原因在于肺实质退变以及与年龄相关的通气和免疫功能下降(Boisguérin和Mauro,2017)。在急诊科,急性呼吸困难的主要病因包括急性心力衰竭、呼吸道感染、哮喘或慢性阻塞性肺疾病急性加重以及肺栓塞(Ray等,2006)。这些发作常导致住院,并伴有相当高的死亡率——例如急性心力衰竭可达10%(Freund等,2020%)——同时还会造成自主能力的显著丧失,无论是源于呼吸功能受损本身,还是长期住院后的功能退化。
非创伤性胸痛是急诊科就诊的另一主要原因,占所有就诊量的5-10%,并且与呼吸困难一样,需要在危及生命的心血管病因——急性冠脉综合征、肺栓塞、急性主动脉综合征、心包炎、气胸——与良性肌肉骨骼或功能性病因之间进行快速的病因分诊。尽管有心电图、高敏肌钙蛋白和经过验证的临床评分,急诊科出院时漏诊急性冠脉综合征的报告发生率约为2%(Pope等,2000),而“排除”策略的广泛使用推动了冠状动脉CTA和CT肺动脉造影的大量应用,并带来相关的辐射暴露、费用和留观入院。诊断不确定性在年轻成人和女性中尤为突出,在这些人群中急性冠脉综合征的验前概率较低,但肺栓塞、气胸和心包炎的相对权重不可忽视。此外,多项研究继续强调辐射性影像检查使用的增加
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。




