整合AI驱动的肾积水决策工具

数据集获取

源站：https://clinicaltrials.gov/study/NCT07581223

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

疾病：肾积水、先天性肾积水。肾积水是一种常见的先天性肾脏异常。虽然大多数病例可自行缓解，但部分病例需要手术治疗。临床医生依赖反复超声检查，有时还需进行有创检查来决定是否需要手术，但预测结局十分困难。SickKids的研究人员开发了一种人工智能模型，可分析超声图像以辅助肾积水的诊断与管理。本研究旨在检验该人工智能在真实临床诊疗中的整合效果。临床医生将首先在不借助人工智能的情况下做出诊疗决策，随后审阅人工智能的预测结果，再决定是否改变其方案。一位独立的专家将在不知晓人工智能是否影响第一位临床医生方案的情况下做出最终决策，以确保诊疗保持不变。本研究将评估人工智能是否能改善决策、减少不必要的检查，并融入临床工作流程。若研究取得成功，该人工智能模型可作为辅助工具，使诊断更高效、更精准，同时尽量减少有创操作。

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。