CT严重性指数在急性胰腺炎严重程度和临床结局预测中的比较分析
该数据集包含80例急性胰腺炎患者的腹部增强CT影像数据、临床结局参数及Ranson评分，通过比较CT严重指数（CSI）和改良CT严重指数（MCSI）两种影像评估系统，旨在分析它们在预测疾病严重程度和临床结局方面的有效性，适用于医学影像分析、临床预测模型构建以及急性胰腺炎诊疗策略优化等研究方向。
基本信息
资源简介
CT严重性指数在急性胰腺炎严重程度和临床结局预测中的比较分析
【数据集背景】
本数据集源站标题为《COMPARITIVE ANALYSIS OF CT SEVERITY INDICES IN PREDICTING THE SEVERITY & CLINICAL OUTCOME IN PATIENTS WITH ACUTE PANCREATITIS》。源站首次发布：2022-09-26。
【数据内容】
源站原始描述：Acute pancreatitis is a disease of unpredictable severity & it’s management is based on the initial assessment of the disease severity. Acute Pancreatitis ranges from mild interstitial form to severe necrotic form. Evidence suggests that severe necrotic form is associated with poor prognosis. It’s a well known fact that Contrast enhanced Computed Tomography (CT) Abdomen is gold standard in early detection of pancreatic necrosis and in assessing the severity of acute pancreatitis. There are two C…
【数据结构与技术规格】
文件数 4 个，合计 235.98 KB。数据集 DOI：10.17632/htkkzr9zbr.2。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/htkkzr9zbr
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://data.mendeley.com/datasets/htkkzr9zbr
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
该数据集是一项针对急性胰腺炎患者的医院前瞻性研究，旨在比较两种CT严重性分级系统（CT严重指数CSI和改良CT严重指数MCSI）在预测疾病严重程度和临床结局方面的有效性。数据集包含80名12岁以上经临床诊断为急性胰腺炎的患者（女性18名，男性62名），这些患者均接受了腹部增强CT检查。研究收集了患者的CT影像数据、临床结局参数（如多器官衰竭、感染、住院时间和死亡率）以及Ranson评分标准。通过卡方检验和皮尔逊相关性分析，研究发现MCSI在预测严重程度和临床结局方面比CSI具有更好的相关性，特别是在预测多器官衰竭、感染、住院时间和死亡率方面显示出高度一致性。该数据集适用于医学影像分析、临床预测模型构建以及急性胰腺炎诊疗策略优化等研究方向。
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。
