18F-FDG PET/CT对住院患者疑似感染的效用:单中心回顾性队列研究

该数据集来自clinicaltrials.gov,为单中心回顾性队列研究,纳入连续接受18F-FDG PET/CT检查以评估疑似感染或炎症的成人住院患者,排除感染性心内膜炎及以恶性肿瘤为导向的扫描

University of AdelaideUniversity of Adelaide
clinicaltrials
浏览 11
医学影像预测Fever of Unknown OriginInflammation of Unknown OriginFeverInflammation
Utility of 18F-FDG PET/CT for Suspected Infection in the Inpatient Setting: a Single Centre Retrospective Cohort Study

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-22

资源简介

18F-FDG PET/CT对住院患者疑似感染的效用:单中心回顾性队列研究

该数据集来自clinicaltrials.gov,为单中心回顾性队列研究,纳入连续接受18F-FDG PET/CT检查以评估疑似感染或炎症的成人住院患者,排除感染性心内膜炎及以恶性肿瘤为导向的扫描。数据涵盖PET前炎症标志物、微生物学结果、既往影像学发现及感染病科会诊等变量,并通过结构化共识流程判定PET/CT的诊断效用及是否与治疗管理改变相关。可用于探索PET前因素与临床效用之间的关联,适合预测建模与描述性分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:不明原因发热、不明原因炎症、发热、炎症。一项回顾性队列研究,纳入连续接受18F-FDG PET/CT检查以评估疑似感染或炎症的成人住院患者,排除感染性心内膜炎及以恶性肿瘤为导向的扫描。PET前变量包括炎症标志物、微生物学结果、既往影像学发现及感染病科(ID)会诊。PET/CT的效用将通过结构化共识流程判定为诊断性和/或与治疗管理改变相关。将使用描述性和逻辑回归分析探索PET前因素与临床效用之间的关联。

【主题与分类】

主题标签:Fever of Unknown Origin、Inflammation of Unknown Origin、Fever、Inflammation。本站分类:感染性疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07430475

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/NCT07430475

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

条件:不明原因发热、不明原因炎症、发热、炎症。一项回顾性队列研究,纳入因疑似感染或炎症而接受18F-FDG PET/CT检查的连续成年住院患者,排除感染性心内膜炎及以恶性肿瘤为目的的扫描。PET检查前变量包括炎症标志物、微生物学结果、既往影像学发现及感染性疾病(ID)会诊。PET/CT的效用将通过结构化共识流程判定为具有诊断价值和/或与治疗管理改变相关。将采用描述性分析和逻辑回归分析探讨PET检查前因素与临床效用之间的关联。

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