Mount Sinai 糖尿病足溃疡前瞻性试验
本数据集来自 clinicaltrials.gov,为 Mount Sinai 糖尿病足溃疡前瞻性试验,属内分泌、营养和代谢疾病 / 糖尿病分类

基本信息
资源简介
Mount Sinai 糖尿病足溃疡前瞻性试验
本数据集来自 clinicaltrials.gov,为 Mount Sinai 糖尿病足溃疡前瞻性试验,属内分泌、营养和代谢疾病 / 糖尿病分类。研究为单中心、患者盲法、随机对照试验,涉及糖尿病、糖尿病足溃疡与水肿。受试者接受静脉造影与 IVUS 检查,随机后每月随访至溃疡愈合,愈合后每 3 个月随访至术后一年。计划随机 60 例,最多知情同意 80 例以应对筛选失败。数据可用于糖尿病足溃疡相关临床研究与结局分析(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、糖尿病足溃疡、水肿。这将是一项单中心、患者盲法、随机对照试验。如果患者在签署知情同意并接受静脉造影/IVUS 后不符合入选标准(筛选失败),将额外入组患者,直到成功随机化 60 例患者。最多将知情同意 80 例患者,以应对可能的筛选失败。随机化患者将每月随访直至其溃疡愈合,愈合后每 3 个月随访一次,直至术后一年。每位受试者都将接受静脉造影和 IVUS。研究者在 Mount Sinai 对超过 600 例接受静脉支架置入患者的经验——所有这些患者均接受过术前 MR 静脉造影或 CT 静脉造影——显示术前影像学检查漏诊 PVOO 诊断的比例约为 10%(这是未发表数据)。Du
【主题与分类】
主题标签:Diabetes、Diabetic Foot Ulcer、Edema。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/NCT03404895
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/NCT03404895
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:糖尿病、糖尿病足溃疡、水肿。这将是一项单中心、患者盲法、随机对照试验。如果患者在签署知情同意书并接受静脉造影/血管内超声检查后不符合纳入标准(筛选失败),则将招募更多患者,直至成功随机化60例患者。为应对可能的筛选失败,最多将招募80例患者签署知情同意书。随机化患者将每月随访一次,直至其溃疡愈合;愈合后每3个月随访一次,持续至术后一年。每位受试者都将接受静脉造影和血管内超声检查。研究者在西奈山医院对600余例接受静脉支架植入术患者的经验——所有这些患者术前均接受了磁共振静脉造影或CT静脉造影——显示术前影像学检查漏诊了约10%患者的PVOO(此为未发表数据)。鉴于本试点研究的样本量较小、静脉造影和血管内超声检查相关风险极低,以及静脉造影和血管内超声在诊断PVOO方面具有100%的准确性,每位研究受试者都将接受这两项影像学检查。
一旦确诊为PVOO,研究对象将立即在手术室进行随机分组。随机分配至常规治疗加静脉支架组的研究对象将在同一次手术中接受静脉支架置入。对于随机分配至仅接受常规治疗组的研究对象,手术将在静脉造影和血管内超声检查后终止。
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。




