基于幽门螺杆菌血清学与胃超声预测消化性溃疡并发症
该数据集来自 clinicaltrials.gov 的一项前瞻性观察性研究,聚焦消化性溃疡病及其出血、穿孔、梗阻等并发症

基本信息
资源简介
基于幽门螺杆菌血清学与胃超声预测消化性溃疡并发症
该数据集来自 clinicaltrials.gov 的一项前瞻性观察性研究,聚焦消化性溃疡病及其出血、穿孔、梗阻等并发症。研究关注在资源有限环境下,将广泛可及的幽门螺杆菌血清学检测与腹部超声(评估胃壁厚度、检测穿孔征象)联合使用,以评估其对溃疡严重程度或活动性并发症的诊断准确性。数据可用于探索非侵入性联合检测方案在消化系统疾病风险预测中的价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:消化性溃疡病、HELICOBACTER PYLORI INFECTIONS、幽门螺杆菌感染、消化性溃疡、消化不良。消化性溃疡病(PUD)并发症,如出血、穿孔和梗阻,导致大量住院和死亡。虽然上消化道内镜检查仍是诊断PUD的金标准,但它是一种侵入性操作,在资源有限的环境中可能不易获得。幽门螺杆菌血清学是一种广泛可及的非侵入性检测,但其预测溃疡严重程度或活动性并发症的能力仍不明确。同时,腹部超声已成为评估胃壁厚度和检测穿孔征象的潜在工具,但将其与血清学联合的数据有限。这项前瞻性观察性研究旨在评估将幽门螺杆菌IgG血清学与胃……(源站描述在此处截断)
【主题与分类】
主题标签:Peptic Ulcer Disease、HELICOBACTER PYLORI INFECTIONS、Helicobacter Pylori Infection、Peptic Ulcer、Dyspepsia。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07458490
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/NCT07458490
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
疾病条件:消化性溃疡病、幽门螺杆菌感染、幽门螺杆菌感染、消化性溃疡、消化不良。消化性溃疡病(PUD)的并发症,如出血、穿孔和梗阻,导致了大量的住院和死亡。虽然上消化道内镜检查仍是诊断PUD的金标准,但它是一种侵入性操作,在资源有限的环境中可能不易获得。幽门螺杆菌血清学检测是一种广泛可及的非侵入性检测,但其预测溃疡严重程度或活动性并发症的能力仍不明确。与此同时,腹部超声已成为评估胃壁厚度和检测穿孔征象的潜在工具,然而将其与血清学检测相结合的数据有限。本前瞻性观察性研究旨在评估将幽门螺杆菌IgG血清学与胃超声检查结果相结合以预测消化性并发症的诊断准确性。该研究将在埃及艾斯尤特大学AL-Rajhi大学医院进行。
所有入组参与者将接受标准化临床评估,包括详细的症状史、NSAID使用史和危险因素询问,以及体格检查。上消化道出血风险将采用Rockall评分和Glasgow-Blatchford评分进行分层。参与者将接受以下评估:实验室检查:通过ELISA定量检测幽门螺杆菌IgG抗体、全血细胞计数、凝血功能及炎症标志物(CRP、ESR)。胃部超声:采用高分辨率经腹超声系统评估胃壁厚度、胃壁分层结构以及有无游离液体或气腹。研究人员将根据这些参数计算超声总评分(0-9分)。内镜评估:在评估后24-48小时内(如有指征则紧急进行)实施高清白光内镜,记录溃疡大小、位置及Forrest分级。该检查将作为诊断参考标准。
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。




