早产儿脑损伤预测
该数据集来自 clinicaltrials.gov,主题为早产儿脑损伤预测,聚焦极低出生体重早产儿这一高危人群。研究采用前瞻性、单中心的数据收集设计,通过综合脑监测平台连续测量脑血流、脑氧饱和度、脑自动调节、二氧化碳分压及动脉血压等指标,以描述脑损伤生理机制并关联短期与长期结局

基本信息
资源简介
早产儿脑损伤预测
该数据集来自 clinicaltrials.gov,主题为早产儿脑损伤预测,聚焦极低出生体重早产儿这一高危人群。研究采用前瞻性、单中心的数据收集设计,通过综合脑监测平台连续测量脑血流、脑氧饱和度、脑自动调节、二氧化碳分压及动脉血压等指标,以描述脑损伤生理机制并关联短期与长期结局。预计入组约310名受试者,受试者主动参与时间最长可达一周。数据可用于脑损伤相关生理参数与结局的预测建模研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑室内出血、脑室周围白质软化、脑损伤、极度早产。这是一项前瞻性、单中心的数据收集研究,针对有发生脑损伤高风险的极低出生体重(ELBW)早产儿。本研究旨在通过一个全面且创新的脑监测平台评估DCM测量的脑灌注变化,该平台涵盖脑血流(CBF)、脑氧饱和度、脑自动调节、二氧化碳分压(PCO2)和动脉血压(ABP)的直接和连续测量,以期既描述脑损伤的生理机制,又将这些发现与ELBW婴儿相关的短期和长期结局相关联。预计入组约三百一十(310)名受试者。受试者的主动参与可能持续长达一周,总t
【主题与分类】
主题标签:Intraventricular Hemorrhage、Periventricular Leukomalacia、Brain Injury、Extreme Prematurity。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02814383
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/NCT02814383
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
疾病:脑室内出血、脑室周围白质软化、脑损伤、极早产。这是一项前瞻性、单中心、数据收集研究,研究对象为有发生脑损伤高风险的极低出生体重早产儿。本研究旨在通过一个全面且创新的脑监测平台,采用DCM评估脑灌注的变化,该平台包括对脑血流量(CBF)、脑氧饱和度、脑自动调节、二氧化碳分压(PCO2)和动脉血压(ABP)的直接和连续测量,以期描述脑损伤的生理机制,并将这些发现与极低出生体重早产儿相关的短期和长期结局相关联。预计将招募约三百一十(310)名受试者。受试者积极参与研究的时间可能长达一周,出生后随访的总时间约为24个月(2年)或更长(±2个月),具体取决于其早产程度。在受试者最后一次研究访视后,其医疗记录中的信息可能会被额外查阅、审核和记录一年。
本研究包括约5次研究访视:研究访视1(入组访视——出生后12小时内),研究访视2(第1次访视后2-7天进行),研究访视3(约在受试者矫正胎龄/矫正年龄2-4个月±2个月时进行),研究访视4(约在受试者矫正年龄12个月±2个月时进行),研究访视5(约在受试者实际年龄18-24个月±2个月时进行)。研究评估:* 病史和手术史:将审查并记录受试者的详细病史。还将向受试者的母亲询问其自身病史相关问题。也可能查阅母亲的医疗记录。* 连续生理监测:将进行监测,包括经颅多普勒超声、近红外光谱(NIRS)以及从出生至7天的二氧化碳分压(PCO2)。
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。




