AI创口预警与复发性DFU居家管理

数据集获取

源站：https://clinicaltrials.gov/study/NCT07277010

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

疾病：糖尿病足溃疡（DFU）。糖尿病是主要慢性疾病之一，而糖尿病足溃疡（DFU）是糖尿病重要的不良预后。DFU愈合后复发涉及多种危险因素，如足部负荷模式改变、患者依从性、家庭照护能力、血糖监测、缺血程度及全身性疾病控制情况。早期识别DFU复发迹象并及时进行随访干预，对于改善预后、降低致残率及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（如风险分层不足、随访间隔僵化、依从性管理不充分），常导致随访效果不佳。易复发的高危患者可能因随访不够频繁而无法早期发现，而复发可能性低的低风险患者则可能接受多次不必要的就诊，增加患者和医疗提供者的负担。这种低效性是复发性DFU患者致残率和死亡率持续居高不下的关键原因。

建立DFU个体化随访策略，利用先进技术解决复发预警延迟、家庭管理不足等核心瓶颈，是解决这些问题的有效技术途径。本中心旨在建立并完善一个用于DFU主动随访的专病队列，以及一个具有全面指标的多模态数据库。我们计划探索用于预防DFU复发的高危足分级系统，并制定针对性的随访方案。利用AI技术，我们将创建一个能够识别DFU复发的创面预警系统，并探索一种以患者居家自我管理为中心的DFU复发远程医疗与AI辅助防控系统。

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。