便携式肺超声对住院儿童肺炎病因及并发症的诊断准确性
该数据集来自 clinicaltrials.gov，属于呼吸系统疾病/肺炎分类，主题为便携式肺超声在住院儿童肺炎病因与并发症中的诊断准确性
基本信息
资源简介
便携式肺超声对住院儿童肺炎病因及并发症的诊断准确性
该数据集来自 clinicaltrials.gov，属于呼吸系统疾病/肺炎分类，主题为便携式肺超声在住院儿童肺炎病因与并发症中的诊断准确性。源站描述了一项前瞻性诊断队列研究，在三级儿科转诊中心比较便携式POCUS设备与胸部X线对儿童社区获得性肺炎病因诊断的准确性，纳入1岁以上18岁以下因CAP入院的儿童，至少76名参与者，由两名研究者独立进行POCUS检查，并由第三名研究者独立分类CXR。数据可用于评估POCUS在儿科肺炎诊断中的表现（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：肺炎、病毒性肺炎、细菌性肺炎。研究者将在三级儿科转诊中心开展一项前瞻性诊断队列研究，以研究便携式即时超声（POCUS）设备与胸部X线（CXR）相比，在儿科年龄组中对社区获得性肺炎（CAP）病因诊断的诊断准确性。在1年期间，所有年龄>12个月且<18岁、因入院时诊断为CAP而入住儿科病房的儿童将被纳入。至少需要76名参与者。两名研究者将独立进行POCUS检查，分别在入院时、住院期间每日、出院后15天和1个月时。所有儿童还将在入院时及必要时接受CXR检查。第三名研究者将独立对CXR进行分类。将使用General Electrics Vscan AirTM®，通过蓝牙连接至智能手
【主题与分类】
主题标签：Pneumonia、Pneumonia, Viral、Pneumonia, Bacterial。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/NCT06296693
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/NCT06296693
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
研究条件：肺炎、病毒性肺炎、细菌性肺炎。研究者将在三级儿科转诊中心开展一项前瞻性诊断队列研究，旨在探讨口袋式即时超声（POCUS）设备与胸部X线（CXR）在儿童期社区获得性肺炎（CAP）病因诊断中的诊断准确性对比。研究为期1年，纳入所有年龄>12个月且<18岁、入院时诊断为CAP并收治于儿科病房的儿童。至少需要76名参与者。两名研究者将独立地在入院时、住院期间每日、出院后15天及1个月时进行POCUS检查。所有儿童还将在入院时及必要时接受CXR检查。第三名研究者将独立对CXR进行判读。研究将使用General Electrics Vscan AirTM®设备，通过蓝牙连接智能手机/平板电脑。将收集POCUS和CXR的系统化描述、社会人口学、临床及治疗变量。统计分析将使用SPSS®第28版进行。本研究获得了MSD Portugal的竞争性资助。
该款项将专门用于以下方面：在外部顾问指导下对POCUS技术进行系统化和标准化、统计分析、通过参加国内和国际会议传播研究结果，以及创建工作组以推动该技术在全国儿科服务中的实施。本研究的设计、实施、分析和传播将独立于MSD Portugal，并由作者承担全部责任。
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。
