无诱因静脉血栓栓塞症患者的癌症筛查
该数据集来自 clinicaltrials.gov，围绕无诱因静脉血栓栓塞症（VTE）患者的癌症筛查展开，属于肿瘤及其他分类
基本信息
资源简介
无诱因静脉血栓栓塞症患者的癌症筛查
该数据集来自 clinicaltrials.gov，围绕无诱因静脉血栓栓塞症（VTE）患者的癌症筛查展开，属于肿瘤及其他分类。研究为开放、多中心、1:1 随机临床试验，比较有限筛查与扩展筛查（使用 PET-CT 寻找肿瘤）在高危患者中的效果。数据可用于评估主动癌症筛查策略对无诱因 VTE 高危人群的筛查效果，支持肿瘤筛查与血栓相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：静脉血栓栓塞性疾病、呼吸系统疾病、肺部疾病、深静脉血栓形成、肺栓塞、筛查、未定义。开放、多中心随机临床试验（1:1），比较有限筛查与扩展筛查，使用正电子发射断层扫描-计算机断层扫描（PET-CT）在高危随访中发生癌症的无诱因静脉血栓栓塞性疾病患者中寻找肿瘤。引言：无诱因静脉血栓栓塞性疾病（VTE）患者的癌症筛查存在争议。近年来，已开发出一种评分，用于筛选随访期间发生癌症高风险的患者。目的：评估使用18-氟脱氧葡萄糖（FDG）PET-CT在无诱因VTE且癌症发生高风险患者中进行主动癌症搜索策略的影响。具体目标：1）数量
【主题与分类】
主题标签：Venous Thromboembolic Disease、Respiratory Disease、Pulmonary Disease、Deep Venous Thrombosis、Pulmonary Embolism、Screening、Undefined。本站分类：肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03937583
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/NCT03937583
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：静脉血栓栓塞性疾病、呼吸系统疾病、肺部疾病、深静脉血栓形成、肺栓塞、筛查、未定义。开放、多中心随机临床试验（1：1），比较有限筛查与扩展筛查，并通过正电子发射断层扫描-计算机断层扫描（PET-CT）扫描，在随访中高癌症风险的诱发性静脉血栓栓塞性疾病患者中寻找肿瘤。引言：对诱发性静脉血栓栓塞性疾病（VTE）患者进行癌症筛查存在争议。近年来，已开发出一种评分系统，用于筛选随访期间高癌症风险的患者。目的：评估使用18-氟脱氧葡萄糖（FDG）PET-CT在具有高癌症风险的诱发性VTE患者中主动寻找癌症策略的影响。具体目标：1）筛查过程中诊断出的肿瘤数量；2）早期诊断出的肿瘤数量；3）该策略对生存率的影响；以及4）对生活质量的影响。癌症将被视为VTE诊断后30天至12个月内发生。范围：20家西班牙医院。
设计：开放标签、多中心随机临床试验（1:1），比较PET-CT与有限筛查在癌症检测中的效果。人群：年龄大于18岁、患有非诱发性静脉血栓栓塞症（VTE）且在随访中呈现高风险癌症表现的患者（根据Jara-Palomares等人，Chest 2017年评分≥3分）。随访：VTE后12个月。样本：计算得出的样本量为650名患者，以获得80%的检验效能，显著性水平为5%，并考虑到10%的随访丢失率。
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。
