经皮传感器检测癌症相关淋巴水肿项目Limb Rescue研究

该数据集来自clinicaltrials.gov,聚焦癌症相关淋巴水肿的检测研究,覆盖造血与淋巴系统肿瘤、淋巴水肿及恶性实体肿瘤人群

Ohio State University Comprehensive Cancer CenterOhio State University Comprehensive Cancer Center
clinicaltrials
浏览 2
时间序列分类LymphedemaMalignant Solid Neoplasm
Transcutaneous Sensors for the Detection of Cancer-Related Lymphedema, Project Limb Rescue Study

基本信息

模态
时间序列
任务类型
分类
创建/更新时间
2026-10-28

资源简介

经皮传感器检测癌症相关淋巴水肿项目Limb Rescue研究

该数据集来自clinicaltrials.gov,聚焦癌症相关淋巴水肿的检测研究,覆盖造血与淋巴系统肿瘤、淋巴水肿及恶性实体肿瘤人群。数据采集包括生物阻抗(BI)、佩戴类手表式传感器以及静息和活动状态下的光电容积脉搏波(PPG)。研究目的为利用PPG与生物阻抗组合特征区分有无淋巴水肿的参与者、区分淋巴水肿患者患侧与健侧手臂、评估经皮传感器耐受性并识别淋巴水肿的可能切点,可用于淋巴水肿检测相关的分类或预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:造血与淋巴系统肿瘤、淋巴水肿、恶性实体肿瘤。主要目的:I. 描述一种使用光电容积脉搏波与生物阻抗组合的独特特征,用于在静息状态下区分患有淋巴水肿的参与者与未患淋巴水肿的参与者。次要目的:I. 在患有淋巴水肿的参与者中,描述一种使用光电容积脉搏波与生物阻抗组合的独特特征,用于区分患侧手臂与未患侧手臂。II. 参与者数据采集期间经皮传感器的耐受性。III. 使用光电容积脉搏波与生物阻抗的组合来识别患有淋巴水肿的参与者中淋巴水肿的可能切点。大纲:参与者接受BI并佩戴“类手表”传感器,并在静息和活动(蹬健身车)时接受PPG。

【主题与分类】

主题标签:Lymphedema、Malignant Solid Neoplasm。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06305884

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/NCT06305884

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:造血与淋巴系统肿瘤、淋巴水肿、恶性实体肿瘤。主要目的:I. 描述一种结合光电容积脉搏波描记法和生物阻抗的独特特征,用以区分静息状态下患有淋巴水肿的参与者与未患淋巴水肿的参与者。次要目的:I. 在患有淋巴水肿的参与者中,描述一种结合光电容积脉搏波描记法和生物阻抗的独特特征,用以区分患侧手臂与未患侧手臂。II. 在参与者数据采集期间,经皮传感器的耐受性。III. 使用光电容积脉搏波描记法和生物阻抗的组合,确定患有淋巴水肿的参与者中淋巴水肿的可能临界点。研究大纲:参与者接受BI并佩戴“手表样”传感器,并在研究期间于静息状态和活动状态(骑健身自行车)下接受PPG。

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