超低剂量胸部CT与平片在未筛选急诊患者队列中的准确性对比
该数据集来自 clinicaltrials.gov,主题为超低剂量胸部CT与平片在未筛选急诊患者队列中的准确性对比,覆盖胸痛、咳嗽、胸部疾病与肺部疾病等人群

基本信息
资源简介
超低剂量胸部CT与平片在未筛选急诊患者队列中的准确性对比
该数据集来自 clinicaltrials.gov,主题为超低剂量胸部CT与平片在未筛选急诊患者队列中的准确性对比,覆盖胸痛、咳嗽、胸部疾病与肺部疾病等人群。源站描述指出,胸片近一个世纪以来是急诊科急性胸痛、疑似肺炎和/或急性呼吸困难患者诊断路径中的主要影像学方法,但其敏感性和特异性中等;胸片普及得益于设备购置与运行成本低、检查时间短和辐射暴露极低,并常作为进一步更敏感诊断程序的指引,然而投影方法存在解剖结构重叠或掩盖病理结构等缺点。数据可用于呼吸系统疾病特别是肺炎相关影像诊断方法比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:胸痛、咳嗽、胸部疾病、肺部疾病。近一个世纪以来,胸部X线(平片、投影式摄影)一直是急诊科诊断路径中急性胸痛、疑似肺炎和/或急性呼吸困难患者既定的主要影像学方法,尽管该X线技术的敏感性和特异性中等。胸部X线的广泛可用和使用归因于投影式摄影设备购置和运行成本低、检查时间短以及辐射暴露极低。此外,胸部投影式摄影常作为进一步、更敏感的诊断程序的指引。然而,这些优势被投影方法固有的缺点部分抵消:解剖结构可能重叠或掩盖病理结构。
【主题与分类】
主题标签:Chest Pain、Cough、Thoracic Diseases、Lung Diseases。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03922516
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/NCT03922516
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:胸痛、咳嗽、胸部疾病、肺部疾病。近一个世纪以来,胸部X线检查(平片、投影式X线摄影)一直是急诊科诊断路径中急性胸痛、疑似肺炎和/或急性呼吸困难患者既定的主要影像学检查方法,尽管该X线技术的敏感性和特异性仅为中等水平。胸部X线检查的广泛可及性和使用,归因于投影式X线摄影设备购置和运行成本低、检查时间短以及辐射暴露极低。此外,胸部投影式X线摄影常作为进一步、更敏感的诊断性检查的引导。然而,这些优势在一定程度上被投影式方法固有的缺点所抵消:解剖结构可能重叠或掩盖病变结构。因此,肺部的某些区域可能被遮挡,评估因而可能受到限制。
在过去几十年中,计算机断层扫描(CT)主要用于特定的临床问题,并且在大多数情况下,它是作为平片摄影之后的第二种成像方法。然而,CT已日益发展成为多种适应症的主要成像方式(例如,疑似肺栓塞、高度怀疑主动脉夹层)。CT的这种兴起不仅归因于其无重叠伪影的显著优势,部分还受到在不牺牲图像质量的前提下所需辐射剂量显著降低的推动。这一进步得益于新型探测器的开发、管电流和电压的调制,以及迭代重建技术的发展。因此,近期的CT扫描仪不仅能更精确地显示组织衰减差异,并具有无重叠伪影的显著优势,而且与旧款扫描仪相比,还能以大幅降低的辐射剂量进行成像。因此,CT现在可以被用作
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。




