基本信息

模态

医学影像

任务类型

分类

创建/更新时间

2026-10-14

资源简介

静脉血栓栓塞影像数据库 (VTE-ID)

VTE-ID（Venous Thrombo-Embolism Imaging Database）是一个聚焦静脉血栓栓塞（Venous Thromboembolism，VTE）的影像数据库，其主题覆盖静脉血栓栓塞、深静脉血栓（Deep Vein Thrombosis）与肺栓塞（Pulmonary Embolism）。该数据集来源于 clinicaltrials.gov，在分类上归属于呼吸系统疾病下的其他类别。从整体定位看，VTE-ID 旨在汇集静脉血栓栓塞相关的大规模影像数据，并围绕影像数据与 VTE 表型之间的关联展开研究，重点关注复发风险评估以及区分诱发性与非诱发性 VTE。同时，该数据集还涉及以影像组学方法识别可用于患者个体化表型分析的新型影像生物标志物，并通过内部交叉验证技术对这些影像生物标志物进行验证。因此，VTE-ID 是一个以影像为核心、服务于静脉血栓栓塞表型研究与生物标志物探索的专门数据库。

【数据集背景】

静脉血栓栓塞是一类包含深静脉血栓与肺栓塞在内的疾病范畴。VTE-ID 的建立与静脉血栓栓塞的影像学研究需求相关，其关注点在于利用大规模影像数据探索影像信息与 VTE 表型之间的联系。根据源站描述，研究者的目标主要包括两个方面：一是围绕复发风险评估，并区分诱发性 VTE 与非诱发性 VTE；二是采用影像组学方法，尝试识别能够支持患者个体化表型分析的新型影像生物标志物。这些影像生物标志物将借助内部交叉验证技术进行验证。该数据集的主题标签为 Venous Thromboembolism、Deep Vein Thrombosis 与 Pulmonary Embolism，说明其覆盖的疾病范围集中于静脉血栓栓塞及其主要表现形式。

【数据内容】

VTE-ID 的数据内容以静脉血栓栓塞相关的影像数据为主。源站描述明确指出，该数据集使用大规模 VTE 影像数据，涵盖的影像类型包括超声（ultrasound）、CT 扫描（CT-scan）以及通气/灌注肺扫描（Ventilation/Perfusion lung scan）。这些影像数据被用于搜索其与 VTE 表型之间的关联，尤其是在复发风险评估以及区分诱发性与非诱发性 VTE 方面。此外，这些影像数据还服务于影像组学分析，以识别新的影像生物标志物，从而支持患者的个体化表型分析。除上述影像类型与用途外，源站未提供关于样本量、具体字段、标注信息或数据组织形式的进一步说明。

【采集与来源】

VTE-ID 的来源站为 clinicaltrials.gov。源站描述显示，该数据集围绕静脉血栓栓塞的影像数据展开，涉及超声、CT 扫描和通气/灌注肺扫描等影像类型。其研究背景涉及对 VTE 表型的关联分析，以及通过影像组学方法识别影像生物标志物，并采用内部交叉验证技术进行验证。关于数据采集的具体机构、时间范围、采集流程、纳入与排除标准、伦理审批信息以及数据共享方式，源站未提供。

【适用场景】

基于源站描述，VTE-ID 的适用场景主要集中于静脉血栓栓塞的影像学研究与表型分析。具体而言，该数据集可用于探索影像数据与 VTE 表型之间的关联，服务于复发风险评估，并用于区分诱发性 VTE 与非诱发性 VTE。同时，该数据集适用于影像组学方向的研究，即尝试识别能够提供患者个体化表型分析的新型影像生物标志物，并通过内部交叉验证技术对这些标志物进行验证。其覆盖的疾病主题包括静脉血栓栓塞、深静脉血栓与肺栓塞。除上述方向外，源站未提供其他具体应用场景的说明。

【使用方法】

根据源站描述，VTE-ID 的使用围绕大规模 VTE 影像数据展开，涉及超声、CT 扫描和通气/灌注肺扫描等影像类型。研究者利用这些影像数据搜索其与 VTE 表型之间的关联，重点在复发风险评估以及区分诱发性与非诱发性 VTE。随后，研究者采用影像组学方法，尝试识别新的影像生物标志物，以实现患者的个体化表型分析，并使用内部交叉验证技术对这些影像生物标志物进行验证。关于数据访问方式、下载途径、预处理步骤、分析工具或代码资源，源站未提供。

【质量与限制】

源站描述提到，所识别的影像生物标志物将使用内部交叉验证技术进行验证。这表明该数据集相关研究在方法层面包含内部验证环节。然而，关于数据集本身的质量控制措施、数据完整性、标注一致性、偏倚控制、样本代表性以及外部验证情况，源站未提供。此外，关于数据是否存在缺失、影像质量评估标准或使用限制，源站未提供。

【引用与许可】

关于 VTE-ID 的引用方式、许可协议、使用条款、数据共享政策以及版权归属，源站未提供。

原始链接

https://clinicaltrials.gov/study/NCT06258694

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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/NCT06258694

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。

数据说明

条件：静脉血栓栓塞症、深静脉血栓形成、肺栓塞。利用静脉血栓栓塞症的大型影像学数据（包括超声、CT扫描和通气/灌注肺扫描），研究者将探寻影像学数据与静脉血栓栓塞症表型之间的关联，主要涉及复发风险评估以及区分诱发性与特发性静脉血栓栓塞症。随后，研究者将采用影像组学方法，尝试识别能够为这些患者提供个体化表型分析的新影像学生物标志物。这些影像学生物标志物将通过内部交叉验证技术进行验证。

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