糖尿病患者与非糖尿病患者术前禁食后胃超声数据集
该数据集来自 clinicaltrials.gov,聚焦糖尿病患者与非糖尿病患者在遵循术前禁食指令后的胃超声评估。源站描述指出,任何手术均存在肺误吸风险,而糖尿病患者因胃排空稍延迟,该风险略高于非糖尿病患者;麻醉医师近期开发了通过腹部超声检查并在超声屏幕上进行测量来判断胃内容物及其量的测试

基本信息
资源简介
糖尿病患者与非糖尿病患者术前禁食后胃超声数据集
该数据集来自 clinicaltrials.gov,聚焦糖尿病患者与非糖尿病患者在遵循术前禁食指令后的胃超声评估。源站描述指出,任何手术均存在肺误吸风险,而糖尿病患者因胃排空稍延迟,该风险略高于非糖尿病患者;麻醉医师近期开发了通过腹部超声检查并在超声屏幕上进行测量来判断胃内容物及其量的测试。该数据可用于评估术前禁食后胃内容物状况,并比较糖尿病与非糖尿病患者的差异(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:糖尿病、糖尿病、1型糖尿病、2型糖尿病。任何外科手术都固有肺误吸的风险。胃内的食物或液体可能被反推至咽喉,进而可能进入肺部(误吸),导致严重并发症、延长住院时间,极端情况下可致死亡。与非糖尿病患者相比,糖尿病患者发生这种情况的风险略高,因为胃内容物的排空略有延迟。这就是为什么接受手术的人被要求在手术前特定时间内不要进食。麻醉医师最近开发了一种超声检查,以确定患者胃内是否有内容物以及有多少。该检查包括对腹部进行超声检查并在超声屏幕上进行一些测量。本研究旨在评估
【主题与分类】
主题标签:Diabetes、Diabetes Mellitus、Diabetes Mellitus Type 1、Diabetes Mellitus Type 2。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02888951
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/NCT02888951
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
条件:糖尿病、糖尿病 mellitus、1型糖尿病、2型糖尿病。任何外科手术都存在固有的肺吸入风险。胃内的食物或液体可能被反流至咽喉,进而进入肺部(吸入),导致严重并发症,延长住院时间,极端情况下甚至导致死亡。与 non-diabetics 相比,糖尿病患者发生这种情况的风险略高,因为胃内容物的排空略有延迟。这就是为什么接受手术的人在术前被要求在规定时间内禁食。麻醉医师最近开发了一种超声检查方法,用于判断患者胃内是否有内容物以及量的多少。该检查包括对腹部进行超声检查,并在超声屏幕上进行一些测量。本研究旨在评估糖尿病患者在标准禁食期后胃内残留液体的量,并与接受择期外科手术的 non-diabetic 患者进行比较。
研究者还旨在探究糖尿病类型及病程与残余胃容量之间的关联。术中反流、呕吐或误吸事件也将被记录。
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。




