DETEC® Esterase 用于即时护理伤口感染筛查
该数据集来自 clinicaltrials.gov,围绕 DETEC® Esterase 研究性器械在即时护理场景下筛查慢性伤口感染的应用

基本信息
资源简介
DETEC® Esterase 用于即时护理伤口感染筛查
该数据集来自 clinicaltrials.gov,围绕 DETEC® Esterase 研究性器械在即时护理场景下筛查慢性伤口感染的应用。覆盖糖尿病足溃疡、静脉性腿部溃疡和压力性溃疡三类慢性伤口,通过检测伤口渗出液吸收敷料中升高的白细胞酯酶(LE)水平,并依据颜色变化判断感染。数据可用于评估该器械检测溃疡伤口感染的效果,并与伤口护理结果进行比较,服务于慢性伤口感染的筛查与分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病足溃疡、静脉性腿部溃疡、压力性溃疡。目前尚无市售器械可用于诊断慢性伤口感染。由于白细胞酯酶(LE)的定性测量已在临床上作为生物标志物用于筛查多种感染性疾病,包括尿路感染、腹膜炎和关节感染,因此 LE 很可能也可用作筛查慢性伤口感染的生物标志物。为验证这一假设,已开发出一种研究性器械——DETEC® Esterase,用于检测吸收伤口渗出液的伤口敷料中升高的 LE。随着 LE 水平升高,这种显色变得更深(从无色/粉色到深紫色),提示感染。本研究的总体目标如下:1. 通过将器械输出与伤口护理结果进行比较,评估 DETEC® Esterase 检测溃疡伤口感染的效果
【主题与分类】
主题标签:Diabetic Foot Ulcer、Venous Leg Ulcer、Pressure Ulcer。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04614870
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/NCT04614870
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
适应症:糖尿病足溃疡、静脉性腿部溃疡、压力性溃疡。目前尚无市售设备可用于诊断慢性伤口感染。由于白细胞酯酶(LE)的定性检测已在临床上作为生物标志物用于筛查多种感染性疾病,包括尿路感染、腹膜炎和关节感染,因此LE很可能也可作为生物标志物用于筛查慢性伤口感染。为验证这一假设,已开发出一种研究性设备——DETEC® Esterase——用于检测吸收伤口渗出液的伤口敷料中LE水平升高。随着LE水平升高,显色变得更加浓烈(从无色/粉色变为深紫色),提示感染。本研究的总体目标如下:1. 通过将设备输出结果与伤口护理专家对感染的最终判定进行比较,评估DETEC® Esterase检测溃疡伤口感染的有效性;2. 评估受试者的年龄、种族、伤口大小、位置、类型和临床中心对设备识别不愈合伤口能力的影响。3.
为研究DETEC®酯酶检测法在评估感染方面的敏感性、特异性和准确性,将对废弃的伤口敷料进行检测,这些敷料具有不同水平的酯酶活性。临床医生将对因溃疡伤口就诊的患者进行评估。凡具有至少一项伤口感染的临床体征和症状者将被纳入研究并记录在案。参与者的首次就诊可与入组同时进行。在此次就诊期间,参与者的伤口敷料将由不参与受试者伤口管理的项目护士/检测人员使用DETEC®酯酶装置进行检测,并记录检测结果。伤口将由对装置输出结果不知情的临床医生进行管理。因此,临床医生可根据所有可用信息判定感染是否存在,从而作出感染的临床诊断。随后,将装置对推定感染的判定结果与
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。




