急诊科超声在肾绞痛中的应用
该数据集来自 clinicaltrials.gov，聚焦急诊科床旁靶向超声（EDTU）在肾绞痛评估中的应用。覆盖肾绞痛、肾积水及腹主动脉瘤等主题，源站描述指出肾绞痛常见且疼痛明显，并可能被腹主动脉瘤破裂等危及生命的疾病模仿，造成临床不确定性
基本信息
资源简介
急诊科超声在肾绞痛中的应用
该数据集英文名为 Emergency Department Ultrasound in Renal Colic，来源于 clinicaltrials.gov，本站将其归类于泌尿生殖系统疾病 / 其他。数据集聚焦急诊科床旁靶向超声（EDTU）在肾绞痛评估中的应用，覆盖肾绞痛、肾积水及腹主动脉瘤等主题。源站描述指出，肾绞痛是一种常见且疼痛明显的疾病，由肾脏和输尿管结石引起，并可能被腹主动脉瘤破裂等危及生命的疾病所模仿，从而造成临床不确定性。床旁靶向超声由急诊医师在患者床旁完成，已被证明准确、安全且高效。该数据集围绕床旁靶向超声诊断肾积水的准确性，以及结果正常时患者能否安全离院这一问题展开。
【数据集背景】
肾绞痛是急诊科常见的就诊原因之一，源站描述提到其在本机构每年约有 1300 次就诊。该病由肾脏和输尿管结石引起，疼痛明显，且可能被腹主动脉瘤破裂等危及生命的疾病模仿，由此产生临床不确定性。急诊科床旁靶向超声（EDTU）由急诊医师在患者床旁实施，已被证明准确、安全且高效。已有研究表明，EDTU 能够准确识别肾积水，而肾积水是肾结石并发症的预测因素；正式的超声检查结果正常则预示临床过程无并发症。基于此，该数据集所对应的研究旨在评估 EDTU 诊断肾积水的准确性，以及在其结果正常时患者能否安全离院。
【数据内容】
该数据集涉及的主题标签包括肾绞痛、肾积水与腹主动脉瘤。源站描述中列出的相关疾病条件为肾绞痛、肾积水及腹主动脉瘤。数据集围绕急诊科床旁靶向超声在肾绞痛评估中的应用，关注肾积水的诊断准确性以及结果正常时患者安全离院的可行性。关于数据集的具体样本量、变量字段、影像数据形式、随访时间等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述说明，床旁靶向超声由急诊医师在患者床旁执行。关于采集地点、采集时间范围、纳入与排除标准、采集流程的具体步骤等，源站未提供。
【适用场景】
该数据集适用于急诊科肾绞痛评估相关的研究场景，尤其是围绕床旁靶向超声诊断肾积水准确性、以及结果正常时患者能否安全离院的临床决策问题。其主题覆盖肾绞痛、肾积水与腹主动脉瘤，可用于关注肾绞痛鉴别诊断中危及生命疾病模仿情形的研究。关于具体适用人群、使用条件与限制，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站描述提及床旁靶向超声已被证明准确、安全且高效，并指出正式超声结果正常预示临床过程无并发症。但关于该数据集本身的质量评估指标、数据完整性、偏倚控制及使用限制，源站未提供。
【引用与许可】
源站未提供。
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/NCT01323842
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：肾绞痛、肾积水、腹主动脉瘤。肾绞痛是一种常见（在我们机构每年有1300次就诊）且疼痛的病症，由肾脏和输尿管中的结石引起，并可能被危及生命的状况如破裂的腹主动脉瘤（AAA）所模仿。这可能导致临床不确定性。急诊科目标超声（EDTU）由急诊医生在患者床边进行，已被证明是准确、安全且高效的。我们已经表明，EDTU能准确识别肾积水，这是肾结石并发症的预测因素。正常的正式超声（US）预测无并发症的临床过程。我们将评估EDTU诊断肾积水的准确性，以及当结果正常时，患者是否可以安全出院。
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。
