红外热成像检测危重发热患者的准确性

该数据集来源于 clinicaltrials.gov,主题为体温监测,旨在评估红外热成像(IRT)检测危重发热患者的准确性

Kasr El Aini HospitalKasr El Aini Hospital
clinicaltrials
浏览 5
其他回归Temperature Monitoring
Accuracy of Infrared Thermography for Detecting Febrile Critically Ill Patients

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-22

资源简介

红外热成像检测危重发热患者的准确性

该数据集来源于 clinicaltrials.gov,主题为体温监测,旨在评估红外热成像(IRT)检测危重发热患者的准确性。数据涉及按 ICU 方案镇静的患者,以校准的食管温度计作为参考,使用 FLIR C2 紧凑型热像仪在距患者头部 0.5 米处进行 10 秒扫描,记录内眦最高读数。测量前至少 30 分钟不对头部或腋窝冷敷,且热像仪使用前校准以消除环境室温影响,研究者对食管探头读数设盲。数据可用于红外测温与食管温度的一致性分析及发热检测准确性研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:体温监测。入组患者将根据 ICU 方案接受镇静。由主治重症监护医师将校准的食管温度计经鼻孔或口腔插入食管下三分之一约 10-20 cm。IRT 将使用 FLIR C2 紧凑型热像仪进行。热像仪的焦距将在距患者头部 0.5 米处调整。扫描将在 10 秒内进行。研究者将记录从内眦获得的最高读数。在测量 IRT 前至少 30 分钟内,不对患者头部或腋窝施加冷敷。FLIR C2 热像仪将在使用前校准,以消除环境室温的影响。获取 IRT 温度的研究者将对食管探头读数设盲。

【主题与分类】

主题标签:Temperature Monitoring。本站分类:口腔疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04571554

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/NCT04571554

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:体温监测。入组患者将按照ICU方案接受镇静。由主治重症监护医师经鼻孔或口腔将校准过的食管温度计插入食管下三分之一,深度约10-20 cm。使用FLIR C2便携式热像仪进行红外热成像(IRT)。热像仪的焦距将调整至距患者头部0.5米处。扫描将持续10秒。研究人员将记录从内眦获得的最高读数。在测量IRT前至少30分钟内,不得对患者头部或腋窝施加冷敷。FLIR C2热像仪将在使用前进行校准,以消除环境室温的影响。获取IRT温度的研究人员将对食管探头读数设盲。

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。

获取专属数据定制方案