神经外科结局网络

数据集获取

源站：https://clinicaltrials.gov/study/NCT06724029

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

疾病类型：动脉瘤、动静脉畸形、海绵状血管瘤、颅底肿瘤、烟雾病、硬脑膜瘘、硬膜下血肿、硬膜外血肿。在神经外科中，对结局指标、生活质量及复杂性的评估不仅在临床和治疗层面具有重要意义，而且作为评估医疗系统有效性和效率的工具也日益重要。本研究旨在利用参与中心共享的指标来评估神经外科结局及其预测因素。此类评估因中心而异，且预测因素并非完全已知或共享。标准化结局和预测因素的评估可提高研究质量，便于数据比较，并促进日常临床实践中的共同语言。最重要的是，它影响着各种神经外科病理的治疗决策。主要目标：收集并描述各种神经外科病理的术前和术后临床、认知及心理状态。次要目标：确定结局预测因素。

主要终点：描述接受神经外科干预的患者术前和术后的临床、认知及心理数据。次要终点：分析所收集的术前指标与术后结局之间的关联。每种神经外科病理的具体预测因素和结局指标将在附录1中予以考虑并报告。患者从神经外科科室招募；在干预前及干预后随访期间收集临床、认知和心理数据（时间安排因神经外科病理而异）；通过AI进行数据分析。对于所有神经外科病理，将收集以下数据：社会人口学、临床（Charlson合并症指数、心脏病、糖尿病、慢性阻塞性肺疾病、高血压、体重指数、吸烟、精神病理、入院日期、干预日期、出院日期、改良Rankin量表、美国麻醉医师协会分级、体重、身高）、麻醉（co

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。