基于症状描述的生物医学信号提取：使用OpenGenome平台的观察性登记研究
该数据集来自clinicaltrials.gov的观察性登记研究，聚焦体征与症状、发热、肌痛、皮肤疾病、肾综合征出血热及人畜共患病
基本信息
资源简介
基于症状描述的生物医学信号提取：使用OpenGenome平台的观察性登记研究
该数据集来自clinicaltrials.gov的观察性登记研究，聚焦体征与症状、发热、肌痛、皮肤疾病、肾综合征出血热及人畜共患病。OpenGenome平台将自由文本症状描述映射为基于原始生物医学文献的结构化生物信号，通过PubMed和ClinicalTrials.gov检索真实来源，由推理模型提取主要与次要生物信号、相关性解释及置信度和信号强度评分，所有评分均为0至100的整数，来源可按PMID或NCT标识直接链接验证。该登记研究分析匿名化汇总输出以刻画信号特征，可用于症状描述与生物信号关联的观察性研究及信号验证（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：体征和症状、发热、肌痛、皮肤疾病、肾综合征出血热、人畜共患病。OpenGenome是一个公开可访问的匿名研究工具，可将自由文本症状描述映射为基于原始生物医学文献的结构化生物信号。提交后，平台通过NCBI E-utilities向PubMed、通过ClinicalTrials.gov v2 API并行发送查询，每次提交最多检索16个真实来源。受严格模式约束的推理模型提取一个主要生物信号、最多五个次要信号、一段通俗语言的相关性解释、一个置信度评分和一个信号强度评分。所有评分均为0至100的整数。来源以PMID或NCT标识符纳入，可直接链接以供独立验证。该登记研究将分析匿名化的汇总输出，以刻画信号
【主题与分类】
主题标签：Signs and Symptoms、Fever、Myalgia、Skin Diseases、Hemorrhagic Fever With Renal Syndrome、Zoonoses。本站分类：泌尿生殖系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07578610
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/NCT07578610
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：体征和症状、发热、肌痛、皮肤病、肾综合征出血热、人畜共患病。OpenGenome是一种公开可访问的匿名研究工具，可将自由文本症状描述映射到以原始生物医学文献为基础的结构化生物信号。提交后，该平台通过NCBI E-utilities向PubMed并通过ClinicalTrials.gov v2 API发送并行查询，每次提交最多检索16个真实来源。受严格模式约束的推理模型会提取一个主要生物信号、最多五个次要信号、一段通俗语言的相关性解释、一个置信度评分和一个信号强度评分。所有评分均为0至100范围内的整数。来源以PMID或NCT标识符标注，并可直接链接以供独立验证。本登记库将分析聚合的匿名输出，以描述信号一致性、评分校准和群体水平的信号分布特征。
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。
