基于新临床评分和D-二聚体水平的脑静脉血栓预测
该数据集是一个包含359名临床疑似脑静脉血栓形成（CVT）患者的临床表格数据，主要模态包括临床检查变量、D-二聚体血液检测数值和神经影像学结果，通过多变量分析构建了一个基于六项临床指标的CVT风险评分系统，主要用于脑血管疾病的临床风险分层、预测模型验证以及辅助诊断决策支持的研究。
基本信息
资源简介
基于新临床评分和D-二聚体水平的脑静脉血栓预测
【数据集背景】
本数据集源站标题为《Prediction of Cerebral Venous Thrombosis with a new clinical score and D-dimer levels》。
【数据内容】
源站原始描述：OBJECTIVE:To investigate prediction of cerebral venous thrombosis (CVT) by clinical variables and D-dimer levels. METHODS:This prospective multicentre study included consecutive patients with clinically possible CVT. On admission, patients underwent clinical examination, blood-sampling for D-dimers-measuring (ELISA-test), and MR-/CT-venography. Predictive value of clinical variables and D-dimers for CVT were calculated. A clinical score to stratify patients into groups with low, moderate, or hig…
【主题与分类】
主题标签：cerebral venous thrombosis (CVT)、clinical score、D-dimer levels。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:5721e9991168d6314f41ff76e55eab9ee877e1a5a93e3a7d58b4093a06a30c68
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
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
该数据集来源于一项前瞻性多中心研究，旨在通过临床变量和D-二聚体水平预测脑静脉血栓形成（CVT）。数据集包含359名临床疑似CVT患者的连续病例信息，收集了患者入院时的临床检查数据、用于D-二聚体检测（ELISA法）的血液样本结果以及MR/CT静脉成像的神经影像学确诊结果。研究通过多变量逻辑回归建立了包含6个变量的临床评分系统（包括癫痫发作、已知易栓症、口服避孕药、症状持续时间>6天、最严重头痛和局灶性神经功能缺损），用于将患者分为低、中、高CVT风险组。该数据集主要应用于脑血管疾病的风险评估、临床决策支持系统开发以及血栓形成预测模型的研究。
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。
