设计师D-二聚体深静脉血栓诊断（4D）研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT02038530

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：疑似深静脉血栓形成。这是一项前瞻性、多中心、队列研究，旨在评估一种针对门诊疑似深静脉血栓形成患者的新型诊断管理策略。该新型诊断策略旨在减少就诊当天的超声检查使用，并减少初次检查正常后一周的重复超声检查。减少超声检查的原因在于：i）更多患者将在就诊当天通过临床预检概率与D-二聚体结果的组合排除深静脉血栓形成；以及，ii）对于仍需进行超声检查的患者，只有在初次就诊时D-二聚体结果显著异常的情况下，才会在正常结果后一周进行重复超声检查。该管理策略的安全性将通过以下方式确立：在因诊断检测阴性而暂停抗凝治疗的患者中，90天随访期间近端深静脉血栓形成或肺栓塞的发生率极低。同时将评估诊断检测的利用情况。

所有临床结局将由一个中心独立裁定委员会进行裁定，该委员会对初始D-二聚体测量结果和患者管理情况保持盲态。

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。