肺动脉压预测急诊科呼吸困难患者肺栓塞
该数据集来自 clinicaltrials.gov,聚焦急诊科以呼吸困难就诊的患者,涵盖肺动脉高压与肺栓塞相关人群。源站描述指出,慢性呼吸困难(尤其合并 COPD、慢性心力衰竭、肺动脉高压等心肺疾病)会加大急性期肺栓塞的鉴别难度,而超声心动图测得的肺动脉压(PAP)值可提供重要临床信息

基本信息
资源简介
肺动脉压预测急诊科呼吸困难患者肺栓塞
该数据集来自 clinicaltrials.gov,聚焦急诊科以呼吸困难就诊的患者,涵盖肺动脉高压与肺栓塞相关人群。源站描述指出,慢性呼吸困难(尤其合并 COPD、慢性心力衰竭、肺动脉高压等心肺疾病)会加大急性期肺栓塞的鉴别难度,而超声心动图测得的肺动脉压(PAP)值可提供重要临床信息。研究目标是评估急诊科记录中超声心动图 PAP 变化在肺栓塞早期风险分层中的可用性。数据可用于肺栓塞预测与风险分层建模研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:急诊科患者、肺动脉高压、肺栓塞。肺栓塞(PE)是一种需要快速诊断的重要临床状况,在因气短就诊于急诊科的患者中具有高死亡率和高发病率。呼吸困难的慢性存在,特别是在患有慢性阻塞性肺疾病(COPD)、慢性心力衰竭、肺动脉高压及类似心肺疾病的个体中,使得在急性期鉴别 PE 变得困难。在该患者群体中,通过超声心动图测量的肺动脉压(PAP)值可在诊断过程中提供重要的临床信息。本研究的目的是确定从急诊科记录中获得的超声心动图 PAP 变化在肺栓塞早期风险分层中的可用性。
【主题与分类】
主题标签:Emergency Department Patients、Pulmonary Hypertension、Pulmonary Embolism。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/NCT07641400
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/NCT07641400
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
条件:急诊科患者、肺动脉高压、肺栓塞。肺栓塞(PE)是一种重要的临床病症,需要快速诊断,在因呼吸急促就诊于急诊科的患者中具有高死亡率和发病率。呼吸困难,特别是在慢性阻塞性肺疾病(COPD)、慢性心力衰竭、肺动脉高压及类似心肺疾病患者中的长期存在,使得急性期难以鉴别肺栓塞。在该患者群体中,通过超声心动图测量的肺动脉压(PAP)值可在诊断过程中提供重要的临床信息。本研究旨在确定从急诊科记录中获取的超声心动图PAP变化在肺栓塞早期风险分层中的可用性。
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。




