OptiThyDose 前瞻性评估

数据集获取

源站：https://clinicaltrials.gov/study/NCT06864351

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：甲状腺疾病、先天性甲状腺功能减退症、Graves病。甲状腺疾病可影响从出生到成年的人群，其中一些在出生时即存在（先天性），另一些则在生命后期发生（获得性）。这些疾病需要及时、正确地治疗，因为若不加治疗，可能会影响大脑发育、思维能力、生长、青春期以及其他重要的身体功能。然而，儿童甲状腺疾病的治疗可能具有挑战性，因为避免剂量不足和剂量过量都很重要。有助于确定儿童甲状腺疾病最佳个体化剂量的算法，可以降低长期问题的风险，如思维和生长受损。这一点尤为重要，因为全球儿童甲状腺疾病的病例正在增加。OptiThyDose是一种新开发的数学模型，旨在帮助医生为患有甲状腺疾病的儿童找到合适的剂量。这项多中心、随机、双臂、单盲研究的主要目标是测试OptiThyDose对患有两种甲状腺疾病——先天性甲状腺功能减退症（CH）和Graves病（GD）——的儿童的效果如何。

如果被证明有效，OptiThyDose可以帮助确保甲状腺药物剂量更为准确，从而实现更好的激素控制、减少副作用，并改善先天性甲状腺功能减退症（CH）和格雷夫斯病（GD）患儿的健康结果。

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。