基于AI的糖尿病足复发队列

数据集获取

源站：https://clinicaltrials.gov/study/NCT07452354

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

条件：糖尿病足溃疡（DFU）、糖尿病、糖尿病足溃疡治疗、人工智能（AI）在诊断中的应用。糖尿病足溃疡（DFU）是糖尿病的主要不良结局之一，而糖尿病本身是最重要的慢性疾病之一。DFU的复发涉及多种危险因素，包括足部负荷模式改变、患者依从性、家庭照护能力、血糖监测、缺血程度以及全身性疾病控制情况。早期识别复发征象并及时进行随访干预，对于改善预后、降低致残率和减少医疗费用至关重要。然而，传统随访体系缺乏个体化策略——如风险分层、随访间隔不灵活以及依从性管理不足——往往导致效果欠佳。易复发的高危患者可能因随访不够频繁而无法早期发现，而低危患者则可能接受不必要的就诊，增加患者和医疗提供者的负担。

这种低效显著导致了复发性DFU患者持续高发的残疾率和死亡率。建立DFU个体化随访策略，并借助先进技术解决复发预警延迟和家庭管理不足等核心瓶颈，是应对这些问题的有效技术路径。本中心拟建立专门的DFU队列，开展全面的主动随访，并构建包含明确指标的多模态数据库。我们旨在探索预防DFU复发的高危足分级系统，并设计针对性的随访方案。通过利用AI技术，我们计划构建能够识别DFU复发的伤口预警系统。此外，我们力求建立远程医疗和AI辅助的、以患者为中心的家庭自我管理框架，用于DFU复发的早期预警和预防。

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。