远程温度与视觉监测辅助管理糖尿病足溃疡
该数据集来自clinicaltrials.gov,主题为远程温度与视觉监测(RTVM)辅助管理糖尿病足溃疡(DFU)。研究为前瞻性、多中心、观察性设计,使用OneStep Foot Scanner™在高风险人群中早期检测DFU

基本信息
资源简介
远程温度与视觉监测辅助管理糖尿病足溃疡
该数据集来自clinicaltrials.gov,主题为远程温度与视觉监测(RTVM)辅助管理糖尿病足溃疡(DFU)。研究为前瞻性、多中心、观察性设计,使用OneStep Foot Scanner™在高风险人群中早期检测DFU。主要目标是比较使用RTVM的参与者与匹配历史对照组在就诊时Wagner 2级及以上DFU的发生率;次要目标包括无溃疡生存、无截肢生存、首次新发DFU评估时间及医疗资源利用率;探索性终点包括源站未提供完整内容。数据可用于DFU早期识别与预后相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:糖尿病足溃疡(DFU)。本研究是一项前瞻性、多中心、观察性调查,旨在评估使用OneStep Foot Scanner™进行远程温度视觉监测(RTVM)在高风险人群中早期检测糖尿病足溃疡(DFU)的效用。DFU代表着重大的临床和经济负担,常导致严重并发症,包括感染和截肢。早期发现和干预对于降低发病率和改善患者预后至关重要。主要目标是比较使用RTVM的参与者在就诊时Wagner 2级或更高DFU的发生率与匹配的历史对照组。次要目标包括无溃疡生存、无截肢生存、首次新发DFU评估时间以及医疗资源利用率。探索性终点包括asse
【主题与分类】
主题标签:Diabetic Foot Ulcer (DFU)。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06782386
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/NCT06782386
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:糖尿病足溃疡(DFU)。本研究是一项前瞻性、多中心、观察性研究,旨在评估使用OneStep Foot Scanner™进行远程热视觉监测(RTVM)在高危人群中早期发现糖尿病足溃疡(DFU)的效用。DFU代表着重大的临床和经济负担,常导致严重并发症,包括感染和截肢。早期发现和干预对于降低发病率和改善患者预后至关重要。主要目标是比较使用RTVM的参与者与匹配的历史对照组在就诊时Wagner 2期或更高分期DFU的发生率。次要目标包括无溃疡生存期、无截肢生存期、新发DFU首次评估时间以及医疗资源利用率。探索性终点包括评估神经病变特异性生活质量以及评估RTVM对DFU和截肢护理成本的经济影响。
本研究将招募约100名年龄在18岁及以上、确诊患有1型或2型糖尿病、且在过去五年内有足底糖尿病足溃疡愈合史的参与者。符合条件的参与者将从多达30个SerenaGroup®临床中心招募。参与者将每日使用OneStep Foot Scanner™采集足底的热成像和视觉数据,这些数据将被分析以识别炎症迹象、潜在溃疡或其他异常。采集的数据将由医疗专业人员定期审查,以发现需要干预的迹象。参与者将被随访12个月,在此期间他们将接受定期临床评估和远程监测评估。本研究不仅将评估RTVM在减轻糖尿病足溃疡严重程度方面的有效性,还将探讨其对医疗费用、生活质量及整体疾病管理策略的影响。本研究旨在提供c
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。




