床旁超声评估深静脉血栓：面授与在线教学效果比较

数据集获取

源站：https://clinicaltrials.gov/study/NCT03573492

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

条件：深静脉血栓形成、肺栓塞。这将是一项单中心前瞻性初步研究，分析急诊科学生床旁超声检查与放射科实施的超声检查结果之间的一致性。任何美国医学院在圣伊丽莎白博德曼医院急诊科轮转的医学生都将被考虑纳入。一旦医学生和医学生协调员安排好轮转，他们将被提供有关正在进行的这项研究的信息，并被询问是否有兴趣。医学生协调员将向他们提供这些信息。他们将被指示，如果有兴趣参与该项目，请回复共同主要研究者，并在收到其肯定回复后获得正式知情同意书以供审阅。潜在研究参与者将由共同主要研究者提供信封，内含参与研究的正式书面知情同意书以及一份关于超声技术和深静脉血栓研究本身的简短知识测试。

学生需先签署同意书，然后参加考试并获得不及格分数，方可参与本研究。该前测将主要基于EMSono学习模块中的测验题。已获得Robert Jones博士的许可，将这些题目用作前测考试的基础。前测评估的及格分数为80%或以上。作业分配名单将使用网站www.randomizer.org通过计算机生成。在排除及格者后，学生将根据完成考试的先后顺序获得其数字随机分配结果。具体方法详见https://www.randomizer.org/tutorial/lesson2.html。采用该方法，随机生成的数值1代表在线培训，2代表面授培训。研究本身将由培训分隔的两个组组成。患者纳入标准在两组之间不会有所不同。

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。