利用人工智能改善重症监护患者呼吸机设置

该数据集来自 clinicaltrials.gov,为一项观察性研究,关注儿科重症监护病房中1个月至18岁接受机械通气的患儿

Wu RongzhouWu Rongzhou
clinicaltrials
浏览 8
其他预测Acute Respiratory Distress SyndromePneumonia in ChildrenRespiratory Failure (Pediatric Patients)
Using Artificial Intelligence To Improve Ventilator Settings For Intensive Care Patients

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-07

资源简介

利用人工智能改善重症监护患者呼吸机设置

该数据集来自 clinicaltrials.gov,为一项观察性研究,关注儿科重症监护病房中1个月至18岁接受机械通气的患儿。研究旨在评估AI辅助决策支持系统能否较医护人员常规管理改善临床结局,核心问题是在28天内AI指导呼吸机参数优化能否带来更多无呼吸机天数。数据基于气管插管后采集的临床数据生成AI建议,并与医生实际调整进行对比,可用于研究AI辅助通气管理与临床结局预测(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:急性呼吸窘迫综合征、儿童肺炎、呼吸衰竭(儿科患者)。这项观察性研究旨在确定,与医护人员提供的标准护理相比,AI辅助决策支持系统能否改善儿科重症监护病房(PICU)中接受机械通气的儿科患者(1个月至18岁)的临床结局。所解决的主要问题是:与由医护人员管理的患者相比,呼吸机参数优化决策由AI辅助指导的患者是否能在28天内获得更多无呼吸机天数?通过利用气管插管后收集的临床数据生成AI驱动的建议,并将其与医生实际做出的调整进行比较,本研究试图评估AI辅助决策支持系统能否有效改善机械通气患者的临床结局。

【主题与分类】

主题标签:Acute Respiratory Distress Syndrome、Pneumonia in Children、Respiratory Failure (Pediatric Patients)。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/NCT07592039

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07592039

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

病症:急性呼吸窘迫综合征、儿童肺炎、呼吸衰竭(儿科患者)。本观察性研究旨在确定,与医务人员提供的标准治疗相比,人工智能辅助决策支持系统能否改善PICU中接受机械通气的儿科患者(年龄1个月至18岁)的临床结局。所解决的主要问题是:由人工智能辅助指导呼吸机参数优化决策的患者,在28天内无呼吸机天数是否多于由医务人员管理的患者?通过利用气管插管后收集的临床数据生成人工智能驱动的建议——并将其与医生实际做出的调整进行比较——本研究旨在评估人工智能辅助决策支持系统能否有效改善PICU中接受机械通气患者的临床结局。

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。

获取专属数据定制方案