深静脉血栓形成靶向代谢谱分析

数据集获取

源站：https://clinicaltrials.gov/study/NCT04096755

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

疾病：深静脉血栓形成。深静脉血栓形成（DVT）是一种血液凝块，通常影响腿部，引起疼痛、肿胀和发红。血栓会损伤静脉，可能导致慢性疼痛、肿胀和溃疡。这被称为血栓后综合征，严重影响患者的生活和工作。如果血栓脱落并随血流进入肺部，就会成为肺栓塞（PE），可能危及生命。DVT和PE每年在欧洲影响50万人，是院内获得性死亡中最常见的可预防原因。这些疾病不仅治疗费用高昂，还会因丧失工作日和生产力而造成间接经济损失。DVT的诊断依据临床检查、风险评分（通常采用Wells评分）以及一种称为D-二聚体的血液检测，D-二聚体是纤维蛋白降解产物。D-二聚体具有特异性但敏感性不高。换言之，当检测结果为阴性时，不太可能存在DVT。然而，许多情况都可导致D-二聚体水平升高，使其在阳性结果时用处有限。

双功超声可以确认血栓的存在，但这可能难以可视化，或者常常根本看不到。血栓形成需要时间，患者可能不会立即出现症状。这对治疗来说是个问题，因为新型溶栓药物在深静脉血栓形成后的前两周效果最佳，而目前无法判断血栓是何时形成的。由于深静脉血栓形成的重要性，以及在其诊断、老龄化和预后方面持续存在的问题，许多研究小组一直在探索新的候选生物标志物，以帮助开发更准确的深静脉血栓形成诊断和预后标志物。帝国理工学院血管外科以及计算与系统医学（CSM）部门长期以来一直合作，利用代谢组学朝着这一目标努力。代谢组学的定义是：“对生命系统对病理生理刺激的多参数代谢反应进行定量测量”

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。