胎儿锁骨测量预测胎儿巨大儿数据集
该数据集来自 clinicaltrials.gov,围绕胎儿巨大儿、大于胎龄儿及肩难产等胎儿过度生长相关情形,涉及出生体重超过特定孕龄第90百分位、以及4000-4500 gm等历史定义的巨大儿分级

基本信息
资源简介
胎儿锁骨测量预测胎儿巨大儿数据集
该数据集来自 clinicaltrials.gov,围绕胎儿巨大儿、大于胎龄儿及肩难产等胎儿过度生长相关情形,涉及出生体重超过特定孕龄第90百分位、以及4000-4500 gm等历史定义的巨大儿分级。数据可用于探索胎儿锁骨测量与巨大儿预测之间的关系,支持产前预测胎儿体重及巨大儿风险的相关研究,服务于妊娠、分娩和产褥期并发症的评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:胎儿巨大儿、大于胎龄儿、肩难产。胎儿过度生长使用两个术语:大于胎龄儿(LGA)指胎儿出生体重(BW)超过特定孕龄第90百分位,而巨大儿是不考虑孕龄的绝对值,历史上定义为4000-4500 gm。与一般人群相比,这两组新生儿和产妇并发症风险增加,当BW>4500gm时风险急剧上升,巨大儿的风险是一个连续谱,没有界定安全与危险结局的阈值,一些作者将巨大儿分为3级:1级(4000gm-4499gm)、2级(4500-4999)、3级(≥5000gm)。尽管有其影响,准确诊断在出生后,产前预测效果差,尽管已发表的估计胎儿体重公式显示与BW相关,然而差异
【主题与分类】
主题标签:Macrosomia, Fetal、Large for Gestational Age、Shoulder Dystocia。本站分类:妊娠、分娩和产褥期。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06283277
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/NCT06283277
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
背景:巨大儿、胎儿过大、大于胎龄儿、肩难产。胎儿过度生长有两个术语:大于胎龄儿(LGA)是指胎儿出生体重(BW)超过特定胎龄的第90百分位,而巨大儿则是不考虑胎龄的绝对值,历史上定义为4000-4500克。与一般人群相比,这两组人群的新生儿和产妇并发症风险均增加,且当出生体重>4500克时风险急剧上升。巨大儿的风险是一个连续谱,没有界定安全与危险结局的阈值。一些作者将巨大儿分为3级:1级(4000-4499克)、2级(4500-4999克)、3级(≥5000克)。尽管其影响重大,但准确诊断是在出生后作出的,产前预测效果不佳,尽管已发表的估测胎儿体重公式显示与出生体重相关,但大多数公式的估测变异度高达20%。一项纳入29项研究的荟萃分析显示,预测出生体重≥4000克的敏感度为56%、特异度为92%;超声准确性随出生体重增加而下降,出生体重>4500克时准确预测仅占33-44%的病例。
鉴于巨大儿预测性较差,研究者探索了多种其他技术和公式,但重复超声检查或生长曲线均未能提高预测能力。Youssef公式通过测量双肩峰间径(即两侧肩峰突之间的距离,肩峰突在肩锁关节处与锁骨相连)以及巨大儿专用公式似乎具有预测价值。在一项评估锁骨长度用于预测肩难产的研究中发现,测量锁骨对巨大儿具有显著意义,然而该研究的局限性在于样本量较小,且可能需要将其与其他胎儿生物测量指标进行比较。
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。




