单次综合超声排除高危患者深静脉血栓

数据集获取

源站：https://clinicaltrials.gov/study/NCT00333697

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：深静脉血栓形成。设计：前瞻性临床队列研究。患者：连续入组的193例因疑似有症状的腿部深静脉血栓形成而接受评估的患者，就诊于LDS医院或Intermountain医学中心外周血管实验室。血管技术人员将通过简单问卷筛选患者进入研究。符合筛选标准者随后由研究协调员进行访谈，以核实其符合纳入标准、无排除标准，并签署知情同意书。人口统计学和病史信息：研究临床变量在入组时通过入组者访谈和电子病历获取，并录入计算机化临床数据库。这些变量包括年龄、性别、体重、纳入和排除标准，以及创建预检临床评分所需的临床信息。人口统计学信息和基本生物测量数据（性别、身高、体重、腿围）将由研究协调员获取并记录。知情同意文件将按照机构审查委员会的政策获取和保存。

所有女性患者在进入研究前都将接受尿液或血清妊娠检测。测量：在研究进入诊断测试评估之前，研究临床医生将进行一项简短的临床评估，专门用于确定深静脉血栓形成的检验前概率。这一正式化的评分系统已在先前的研究中得到验证。临床评分为“深静脉血栓形成可能性不大”的患者将接受全面的双功能超声检查。如果结果正常，将对患者进行临床事件随访，具体如下所述。未纳入研究的患者（构成检验前深静脉血栓形成概率较低的一组）将继续由转诊医生进行诊断测试和进一步治疗。人口统计学信息将用于研究的描述性部分，以展示风险患病率，但不会对患者进行临床结局随访。用于确定检验前概率的评分系统为

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。