微生物-ID 用于假体周围关节感染诊断与细菌鉴定

数据集获取

源站：https://clinicaltrials.gov/study/NCT05320354

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：假体周围关节感染（PJI）。在假体周围关节感染（PJI）的诊断中，尚无金标准检测。PJI的诊断存在多种定义，如欧洲骨与关节感染学会（EBJIS）1、肌肉骨骼感染学会（MSIS）2和美国感染病学会（IDSA）3。定义PJI的标准之一是至少有两份假体周围培养阳性，且病原体表型相同。尽管这两份阳性细菌培养无疑可视为PJI的证据，但还使用许多其他标准，如窦道、白细胞计数（WBC）、C反应蛋白和/或红细胞沉降率（ESR）升高、中性粒细胞百分比升高以及α-防御素阳性。即使所有这些标准均为阴性，也不能排除PJI。Zimmer Biomet开发了Synovasure® Microbial-ID检测，通过检测导致感染的微生物抗原来实现微生物种类的早期和快速鉴定。

这是一项国际多中心、非随机、前瞻性、非干预性临床研究。本研究的主要目的是证明Microbial-ID检测在灵敏度和特异性方面辅助诊断PJI的有效性。研究人群为疑似关节植入物感染的成年患者，这些患者将接受关节穿刺和/或手术并采集滑液。除疑似PJI患者的标准诊疗程序外，还将使用剩余滑液进行MID检测。MID检测的个体检测结果不会反馈给参与中心，以免干扰各中心的标准诊疗方案。与参与相关的负担和风险的性质及程度、获益及群体相关性：患者不会从参与本研究中获益。一项独立的诊断工具将并行运行，但该程序不会

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。