伤口感染检测评估数据集 WIDE
WIDE 数据集来自 clinicaltrials.gov,主题为伤口细菌感染、足部溃疡与糖尿病足,并涉及诊断性自我评估

基本信息
资源简介
伤口感染检测评估数据集 WIDE
WIDE 数据集来自 clinicaltrials.gov,主题为伤口细菌感染、足部溃疡与糖尿病足,并涉及诊断性自我评估。源站描述指出糖尿病足溃疡是糖尿病常见并发症,细菌感染可引发蜂窝织炎、坏死性筋膜炎和脓毒症,若发展为骨髓炎还可能导致截肢,且感染会延迟或阻断伤口愈合;目前 DFU 感染检测仍依赖临床判断,MRI 等影像模态在敏感性方面并不优于临床评估。该数据可用于伤口感染检测与糖尿病足相关评估研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:伤口细菌感染、足部溃疡、糖尿病足、诊断性自我评估。糖尿病足溃疡(DFU)的发生是糖尿病的常见并发症,一旦计入相关发病率,其年度成本影响巨大,总计每年 6.5 亿英镑(NHS Diabetes 报告)。伤口细菌感染带来进一步退行性并发症的风险,包括蜂窝织炎、坏死性筋膜炎和脓毒症(Grothier, 2015)。特定伤口,如糖尿病足溃疡,若发展为骨髓炎可能导致截肢。伤口感染的另一个不良效应是延迟——或完全停止——伤口愈合过程(Halbert et al, 1992)。DFU 感染的检测仍依赖临床判断。例如,MRI 等影像模态在敏感性方面并不优于临床评估,且
【主题与分类】
主题标签:Wound Infection Bacterial、Ulcer Foot、Diabetic Foot、Diagnostic Self Evaluation。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/NCT03883230
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/NCT03883230
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
条件:细菌性伤口感染、足部溃疡、糖尿病足、诊断性自我评估。糖尿病足溃疡(DFU)的发生是糖尿病的常见并发症,其费用影响巨大,若将相关发病率计算在内,每年总计达6.5亿英镑(NHS糖尿病报告)。伤口的细菌感染带有进一步退行性并发症的风险,包括蜂窝织炎、坏死性筋膜炎和脓毒症(Grothier,2015)。特定伤口,如糖尿病足溃疡,若发展为骨髓炎,可能导致截肢。伤口感染的另一个不良后果是延迟——或完全停止——伤口愈合过程(Halbert等,1992)。DFU感染的检测仍依赖于临床判断。例如,在检测骨髓炎方面,MRI等影像学模式在敏感性和特异性方面并不优于临床评估(Dinh等,2008)。
O’meara及其同事(2006)通过对糖尿病足溃疡(DFU)临床检查、样本采集和样本分析的系统综述得出结论:关于应采集何种样本以及如何分析这些样本,目前缺乏证据。他们确实提出,半定量样本分析——Glycologic检测试剂盒(称为GLYWD)所属的类别——可能是定量分析的一种有用替代方法。感染的定量检测仍通过拭子擦拭伤口、随后在微生物实验室培养病原体来进行。获得这些结果通常需要数天;即使是分子谱分析也无法即时给出结果。正如Gardner等人(2014)所证明的,微生物计数和菌种鉴定未必能反映其他评估所定义的感染。临床指南规定,唯一可用的实验室诊断选项——微生物检测——应仅用于在临床确诊感染中鉴定病原体菌株。因此,临床判断是预测和诊断感染的主要依据。
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。




