机器学习诊断深静脉血栓与金标准超声对比

数据集获取

源站：https://clinicaltrials.gov/study/NCT05288413

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：腿部深静脉血栓形成、深静脉血栓。 “AutoDVT”是一款软件系统，旨在协助非专科操作人员，如护士、全科医生（GP）及其他相关健康专业人员诊断深静脉血栓。该软件采用下述“机器学习”算法。本研究旨在改进当前繁琐、耗时且昂贵的深静脉血栓诊断路径。静脉血栓（VT）常见于腿部深静脉以及盆腔深静脉。深静脉血栓可分为膝上（髂静脉、股静脉、腘静脉）和膝下（小腿静脉）。深静脉血栓在诊断时及诊断后均会导致全球显著的病残率和死亡率，这一点已得到广泛认可。被诊断为深静脉血栓的患者中，有30%-50%会发展成血栓后综合征，这对患者的长期生活质量造成重大影响。深静脉血栓患者还有发生致命性肺栓塞（PE）的风险。据英国慈善机构Thrombosis United Kingdom（UK）称，在发达国家，每37秒就有一人死于静脉血栓。在疑似深静脉血栓病例中，经全面检查后，有75%-88%为阴性。

十多年前，诊断深静脉血栓（DVT）的费用在42至202英镑之间，因此，根据伦敦帝国理工学院Kainz教授的研究《利用机器学习从超声成像中无创诊断深静脉血栓》，英国国家医疗服务体系（NHS）对所有出现DVT症状的患者进行检查的年度成本约为1.75亿英镑。值得注意的是，这一数值并未考虑任何额外的间接成本，如因工作损失的时间、住院费用、治疗费用以及重复超声扫描的费用。仅凭临床检查很难诊断DVT。目前诊断近端DVT的标准方法涉及一个结合了预检概率（Wells评分）、D-二聚体（血液）检测和压迫超声检查（通常是三点压迫检查）的算法。

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。