烧伤严重程度与范围评估的空间频域成像
本数据集来自 clinicaltrials.gov,聚焦烧伤严重程度与范围评估的空间频域成像(SFDI)。研究为试点临床研究,旨在评估使用 FDA 批准的 Clarifi 成像系统及下一代手持式 m-Clarifi 采集热烧伤所致循环障碍患者 SFDI 数据的可行性

基本信息
资源简介
烧伤严重程度与范围评估的空间频域成像
本数据集来自 clinicaltrials.gov,聚焦烧伤严重程度与范围评估的空间频域成像(SFDI)。研究为试点临床研究,旨在评估使用 FDA 批准的 Clarifi 成像系统及下一代手持式 m-Clarifi 采集热烧伤所致循环障碍患者 SFDI 数据的可行性。临床中准确评估烧伤深度是制定治疗方案的关键,临床前研究显示 SFDI 有望在 24 小时内评估烧伤深度与范围。该数据可用于探索 SFDI 在临床环境下评估烧伤深度的效用,以及 Clarifi 与 m-Clarifi 在生物标志物成像值和临床工作流程方面是否提供等效数据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:烧伤、烧伤损伤。本试点临床研究的目标是评估使用 FDA 批准的 Clarifi 成像系统和下一代手持式 m-Clarifi,在因热烧伤导致循环障碍的患者中采集空间频域成像(SFDI)数据的可行性。准确评估烧伤深度并在护理点进行评估,是临床医生规划适当治疗和管理的重要输入。临床前研究已表明,SFDI 是一种有前景的方法,可在 24 小时内评估烧伤深度和范围。本研究的两个可行性目标如下:1)使用商业 SFDI 系统获得的值在临床环境中评估烧伤深度是否具有实用性?2)在评估烧伤损伤受试者时,Clarifi 和 m-Clarifi 是否提供等效数据(生物标志物成像值、临床工作流程)。
【主题与分类】
主题标签:Burn、Burn Injury。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06921421
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/NCT06921421
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:烧伤、烧伤损伤。这项试点临床研究的目标是评估使用FDA批准的Clarifi成像系统和下一代手持式m-Clarifi,在因热烧伤导致循环障碍的患者中收集空间频域成像(SFDI)数据的可行性。准确评估烧伤深度并在护理点进行评估,是临床医生规划适当治疗和管理的重要输入。在临床前研究中,SFDI已被证明是一种有前景的方法,可在24小时内评估烧伤深度和范围。本研究的两个可行性目标如下:1)使用商业SFDI系统获得的值在临床环境中评估烧伤深度是否具有实用性?以及2)在评估烧伤受试者时,Clarifi和m-Clarifi是否提供等效数据(生物标志物成像值、临床工作流程)?
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。




