马拉维疟疾研究卓越中心学校队列数据集

该数据集来自clinicaltrials.gov,收录马拉维南部四所学校的学生队列,于2015年雨季和旱季招募,每年级15人

University of Maryland, BaltimoreUniversity of Maryland, Baltimore
clinicaltrials
浏览 4
医学影像MalariaMalaria,FalciparumAnemia
Malawi International Center of Excellence in Malaria Research School-based Cohort

基本信息

模态
医学影像
创建/更新时间
2026-10-19

资源简介

马拉维疟疾研究卓越中心学校队列数据集

该数据集来自clinicaltrials.gov,收录马拉维南部四所学校的学生队列,于2015年雨季和旱季招募,每年级15人。入组后完成基线筛查与治疗,并在第1、2、6周随访,采集血样进行显微镜和分子寄生虫检测,同时访谈床帐使用、近期患病及抗疟治疗情况;末次随访重复mRDT和血红蛋白检测,并查阅健康护照识别期间发热或疟疾治疗。数据可用于疟疾与贫血的流行病学及随访研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:Malaria、Malaria,Falciparum、Anemia。2015年雨季(3月至5月)和旱季(9月至11月),马拉维南部四所学校的学生被纳入研究。每个年级(1至8年级)邀请15名学生参与。入组后,学生在基线接受筛查和治疗评估,并在1、2和6周后随访。每次随访时采集血样用于显微镜和分子寄生虫检测,并访谈学生前一夜床帐使用、当前或近期患病及抗疟治疗使用情况。末次随访时重复mRDT和血红蛋白检测,访谈父母并查阅便携医疗记录(“health passports”)以识别期间发热或疟疾治疗。

【主题与分类】

主题标签:Malaria、Malaria,Falciparum、Anemia。本站分类:血液及造血器官疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04858087

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04858087

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

研究条件:疟疾、恶性疟疾、贫血。2015年雨季(3月至5月)和旱季(9月至11月),研究在马拉维南部的四所学校招募学生。每个年级(1至8年级)邀请15名学生参与。入组后,学生在基线时接受筛查与治疗评估,并在1周、2周和6周后进行随访。每次随访时,采集血样用于显微镜检查和寄生虫分子检测,并询问学生前一晚使用蚊帐的情况、当前或近期患病情况以及抗疟治疗使用情况。在最后一次随访时,重复进行mRDT和血红蛋白检测,并访谈家长及查阅便携式医疗记录(“健康护照”),以识别期间发生的发热或疟疾治疗情况。

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。

获取专属数据定制方案