基于可穿戴设备的贫血风险筛查数据集
该数据集来自一项在中国北京单家三级医院开展的前瞻性观察性诊断准确性研究，目的是开发并评估基于商用消费级腕戴式可穿戴设备采集的多模态生理信号、用于贫血无创二分类的深度学习模型
基本信息
资源简介
基于可穿戴设备的贫血风险筛查数据集
该数据集英文名为 Wearable Device-Based Screening for Anemia Risk，主题标签为 Anemia，本站分类归入血液及造血器官疾病 / 其他，来源站为 clinicaltrials.gov。其源站描述显示，这是一项在中国北京单家三级医院开展的前瞻性、观察性诊断准确性研究，目的是开发并评估一个深度学习模型，利用商用消费级腕戴式可穿戴设备采集的多模态生理信号，实现贫血的无创二分类。研究分两个连续阶段入组参与者：第一阶段入组 250 人用于算法开发与调优；第二阶段额外入组 150 人，用于对锁定模型进行独立测试并支持迭代优化。所有参与者均接受可穿戴信号采集与静脉血采样以测定血红蛋白，后者作为参考标准；信号采集方式因照护场景而异。
【数据集背景】
贫血是常见的血液系统异常，血红蛋白测定是其诊断与评估的重要依据，通常依赖静脉血采样等有创方式。该数据集所对应的研究面向这一临床需求，探索以商用消费级腕戴式可穿戴设备采集的多模态生理信号为基础，通过深度学习模型实现贫血的无创二分类筛查。研究设计为前瞻性、观察性诊断准确性研究，实施地点为北京单家三级医院，研究目的明确为开发并评估上述模型，而非单纯的信号记录或描述性观察。
【数据内容】
依据源站描述，数据集涉及的核心内容为参与者佩戴商用消费级腕戴式可穿戴设备所采集的多模态生理信号，以及与之配套的静脉血采样血红蛋白测量结果。血红蛋白测量作为参考标准，用于支撑贫血二分类标签的判定与模型准确性评估。研究采用两阶段设计：第一阶段 250 名参与者的数据用于算法开发与调优；第二阶段额外 150 名参与者用于锁定模型的独立测试，并支持迭代优化。关于信号的具体模态构成、采样频率、记录时长、标签分布及文件组织方式，源站未提供。
【采集与来源】
数据采集来自北京单家三级医院的前瞻性观察性研究，参与者按两个连续阶段入组，合计规模为第一阶段 250 人加第二阶段 150 人。所有参与者均接受可穿戴设备信号采集和静脉血采样以测定血红蛋白。源站描述特别指出，信号采集方式因照护场景而异，说明采集流程与场景条件相关；但不同场景下的具体采集方案、设备型号、佩戴部位与操作细节，源站未提供。数据来源站为 clinicaltrials.gov。
【适用场景】
该数据集适用于贫血无创筛查方向的算法研究与诊断准确性评价，尤其是基于可穿戴设备多模态生理信号的二分类建模、模型调优以及锁定模型的独立外部式测试。其两阶段设计支持将开发调优数据与独立测试数据区分使用，便于评估模型在未见数据上的表现。由于研究在单家三级医院开展，数据也可用于探讨可穿戴信号在临床照护场景下的贫血风险筛查可行性。关于数据是否适用于其他疾病、其他人群或其他设备平台，源站未提供。
【使用方法】
按照研究设计，使用该数据时可区分两个阶段的数据用途：第一阶段 250 名参与者的数据用于算法开发与调优；第二阶段 150 名参与者的数据用于对锁定模型进行独立测试，并支持迭代优化。模型目标为基于可穿戴设备多模态生理信号的贫血无创二分类，参考标准为静脉血采样测定的血红蛋白。关于数据访问方式、文件格式、字段说明、预处理流程、划分脚本及评价指标的具体定义，源站未提供。
【质量与限制】
该研究的优势在于采用前瞻性、观察性诊断准确性设计，设置独立的第二阶段测试，并以静脉血血红蛋白测量作为参考标准。其限制方面，研究在单家三级医院开展，样本总量为两个阶段合计 400 人；信号采集方式因照护场景而异，可能影响数据的一致性。关于缺失值情况、信号质量评估、标注一致性、人群构成与外部推广性等更详细的质量信息，源站未提供。
【引用与许可】
该数据集的来源站为 clinicaltrials.gov，主题标签为 Anemia。关于数据引用格式、许可协议、使用条件与访问限制，源站未提供。
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/NCT07796542
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：贫血。这是一项在中国北京一家三级甲等医院开展的前瞻性、观察性、诊断准确性研究。目的是开发并评估一种深度学习模型，利用从市售消费级腕戴式可穿戴设备获取的多模态生理信号，对贫血进行无创二分类。研究流程。参与者将分两个连续阶段入组。第一阶段将入组250名参与者，用于算法开发与调优。第二阶段将额外入组150名参与者，用于对锁定模型进行独立测试并支持迭代优化。所有参与者都将接受可穿戴设备信号采集和静脉血采样以测量血红蛋白，后者作为参考标准。信号采集因照护环境而异。住院参与者将接受24小时连续可穿戴监测，并在六分钟步行试验前后进行配对信号采集。门诊参与者将接受短时静息采集，设备交替佩戴于左腕和右腕。
门诊受试者若返回进行常规临床访视，可接受最多三次额外评估；这些访视为机会性访视，按实际发生情况记录。住院受试者接受单次采集，无随访。参考标准。贫血按中国海平面标准定义：成年男性血红蛋白低于120 g/L，非妊娠女性低于110 g/L，妊娠女性低于100 g/L。样本量。主要终点为诊断灵敏度。假设预期灵敏度为70%、允许误差为6%、置信水平为95%，则至少需要225例贫血受试者。考虑到约10%的脱落或数据不可用，贫血组设定为300例或以上受试者。将至少纳入90例血红蛋白正常的受试者，以估计特异
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。
