OCTA评估脓毒性休克患者微循环功能障碍
该数据集来自 clinicaltrials.gov,聚焦脓毒性休克患者的微循环功能障碍评估,属于眼及附器疾病/其他分类。源站描述指出脓毒症与脓毒性休克是重大公共卫生问题,微循环功能障碍常见且其持续时间与严重程度与器官衰竭和死亡相关

基本信息
资源简介
OCTA评估脓毒性休克患者微循环功能障碍
该数据集来自 clinicaltrials.gov,聚焦脓毒性休克患者的微循环功能障碍评估,属于眼及附器疾病/其他分类。源站描述指出脓毒症与脓毒性休克是重大公共卫生问题,微循环功能障碍常见且其持续时间与严重程度与器官衰竭和死亡相关。研究旨在证明 OCTA 可改善微循环功能障碍评估,主要目标为表征脓毒性休克中视网膜和脉络膜微循环的改变,并检验其存在功能障碍性变化的假设。数据可用于微循环改变分类与预后相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Septic Shock。目的与理由:脓毒症是由宿主对感染反应失调引起的危及生命的器官功能障碍。脓毒症和脓毒性休克是重大公共卫生问题,每三名患者中就有一人死亡。微循环功能障碍在脓毒性休克中很常见。这种功能障碍的持续时间和严重程度通过与器官衰竭和死亡相关而产生预后影响。我们的研究旨在证明 OCTA 的可行性,通过显示脓毒性休克期间存在具有预后影响的视网膜和脉络膜微循环改变,来改善微循环功能障碍的评估。主要目标(具体目标 1):表征脓毒性休克中视网膜和脉络膜微循环的改变。我们将检验以下假设:视网膜和/或脉络膜微循环显示出功能障碍性变化(较低的血管
【主题与分类】
主题标签:Septic Shock。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04593212
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/NCT04593212
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
病症:感染性休克。目的与依据:脓毒症是由宿主对感染反应失调引起的危及生命的器官功能障碍。脓毒症和感染性休克是主要的公共卫生问题,每三名患者中就有一人死亡。微循环功能障碍在感染性休克中很常见。这种功能障碍的持续时间和严重程度与器官衰竭和死亡率相关,具有预后影响。我们的研究旨在证明OCTA在改善微循环功能障碍评估方面的可行性,通过显示感染性休克期间存在具有预后影响的视网膜和脉络膜微循环变化。主要目标(具体目标1):表征感染性休克中视网膜和脉络膜微循环的改变。我们将检验以下假设:感染性休克患者的视网膜和/或脉络膜微循环显示出功能障碍性变化(较低的血管密度、较低的灌注小血管百分比、较低的血流指数和较高的血管异质性)。次要目标(具体目标2):检验视网膜和脉络膜微循环功能障碍在感染性休克中的预后价值。
我们将检验以下假设:在成功实现大循环血流动力学复苏之后,视网膜和/或脉络膜微循环功能障碍的更高程度和持续性,是脓毒性休克患者器官衰竭和死亡的独立预测因素。研究类型:两项序贯观察性研究。研究设计:一项横断面病例对照研究,随后进行一项前瞻性队列研究,随访期为90天。研究人群:165名脓毒性休克患者和30名健康对照者。把握度与样本量计算:基于既往报道的脓毒性休克患者与健康对照者之间舌下灌注小血管百分比(PPV)差异(60% vs. 95%),我们估计需要纳入27名患者和27名对照者,以在视网膜和脉络膜中证明相同差异。为了显示
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




