FIND HF 风险引导的心力衰竭筛查 - 试点研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07367841

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

病症：心力衰竭。背景 心力衰竭（HF）在全球约影响1-2%的成年人，是导致非计划住院的主要原因之一，尤其在老年人中更为显著。仅在英国，就有超过一百万人患有心力衰竭，每年新增约20万例。这一增长主要归因于人口老龄化和心脏病发作后生存率的提高。从治疗角度来看，心力衰竭主要分为三大类：* 射血分数降低的心力衰竭（HFrEF）* 射血分数中间范围的心力衰竭（HFmrEF）* 射血分数保留的心力衰竭（HFpEF）对于HFrEF，四联疗法（利尿剂、β受体阻滞剂、血管紧张素转换酶抑制剂、地高辛）已被确立为药物治疗管理的金标准，有助于降低死亡和住院风险。对于HFpEF和HFmrEF，如恩格列净、达格列净和非奈利酮等药物在降低风险方面显示出积极结果。新药如司美格鲁肽和替尔泊肽对伴有肥胖的HFpEF患者也有益处。如今，心力衰竭的治疗选择比以往任何时候都多。

在英国，社区中由护士主导的团队能够启动并调整心衰治疗。然而，在严重症状出现之前早期诊断心衰仍然具有挑战性。当前指南推荐采用特定检查进行诊断，但许多（十分之八）诊断仍在医院完成，且往往较晚。英国国家医疗服务体系（NHS）旨在改善初级保健中的早期诊断，以减少住院并提高患者的生活质量。在英国心脏基金会（BHF）的资助下，研究人员开发了一种AI算法FIND-HF，利用常规收集的电子健康记录数据来识别存在未确诊心衰风险的人群。项目目标 该研究项目旨在确定FIND-HF AI算法在不同风险水平下识别心衰的有效性，并了解早期发现和治疗的潜在益处。研究人员将量化th

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。