结核病流行地区的分诊超声
该数据集来自 clinicaltrials.gov,聚焦结核病、下呼吸道感染与肺炎,设计为国际多中心前瞻性队列研究,在南非、贝宁和马里三个 HIV 流行率不同的国家探索 POCUS 在院前环境中的表现

基本信息
资源简介
结核病流行地区的分诊超声
该数据集来自 clinicaltrials.gov,聚焦结核病、下呼吸道感染与肺炎,设计为国际多中心前瞻性队列研究,在南非、贝宁和马里三个 HIV 流行率不同的国家探索 POCUS 在院前环境中的表现。研究包含预招募培训与纳入流程,计划纳入最多 1000 名患者。数据可用于评估肺部超声与 POCUS 方案在结核病流行地区分诊中的诊断性能,支持呼吸系统疾病与肺炎相关预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:结核病、下呼吸道感染、肺炎。设计:国际多中心前瞻性队列研究。背景:本研究旨在探索 POCUS 在 HIV 流行率不同的国家(南非为高流行率,贝宁和马里为低流行率)院前环境中的表现。研究流程:预招募培训。在研究启动前,参与临床医生将接受肺部超声(LUS)和肺外结核 POCUS 方案(FASH+ 检查)的现场专家培训。参与临床医生须在患者招募开始前通过最终专家测试,并至少完成 20 次监督下超声检查。纳入(第 0 天):患者纳入将在 18 至最长 24 个月期间进行。若纳入达到 1000 名患者,招募将在预期结束前停止。
【主题与分类】
主题标签:Tuberculosis、Lower Resp Tract Infection、Pneumonia。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/NCT05423847
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/NCT05423847
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:结核病、下呼吸道感染、肺炎。研究设计:国际多中心前瞻性队列研究。研究背景:本研究旨在探讨床旁超声(POCUS)在HIV感染率不同的国家院前急救环境中的应用表现:南非(高感染率)、贝宁(低感染率)和马里(低感染率)。研究流程:招募前培训。在研究启动前,参与研究的临床医生将接受肺部超声(LUS)及肺外结核POCUS方案(FASH+检查)的现场专家培训。参与研究的临床医生须在患者招募开始前通过最终专家考核,并完成至少20例监督下超声操作。纳入(第0天):患者纳入将在18至最长24个月内完成。若纳入患者达到1000例,招募将提前终止。
临床数据 收集的数据包括人口学特征(年龄、性别、职业等)、既往病史(既往结核病、冠状病毒病(COVID)、疫苗接种状况、有记录的既往COVID-19发作史、HIV状况等)、症状(呼吸道症状、特定COVID-19症状(来自美国疾病控制与预防中心COVID核查表)、特定肺结核症状(来自CDC结核病核查表))以及常规临床检查结果(生命体征参数、血氧饱和度、肺部听诊等)。实验室分析 现场进行的分析:* 按照世界卫生组织(WHO)指南,采用串联两次快速检测算法进行HIV筛查:使用Alere Determine combo®进行筛查;若为阳性,则通过第二种快速检测First Response® HIV 1-2-0进行确认,CD4计数和/或病毒载量按国家指南进行。* 痰液用于GeneXpert结核分枝杆菌(MTB)/利福平(RIF)检测 * 如果常规即时痰和晨痰第二次GeneXpert MTB检测为阴性且痰液质量低(唾液样),则按WHO综合指南进行诱导痰用于新的GeneXpert MTB检测 * 痰液用于革兰染色和标准细菌学培养 * 鼻
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。




