用于腹主动脉瘤患者诊断与治疗的新型MRI技术
条件:无破裂的腹主动脉瘤。腹主动脉瘤(AAA)是腹部主动脉的病理性扩张,可能破裂导致腹腔内出血。为预防破裂,可进行择期手术

基本信息
资源简介
用于腹主动脉瘤患者诊断与治疗的新型MRI技术
该数据集围绕无破裂腹主动脉瘤(Abdominal Aortic Aneurysm Without Rupture)的磁共振成像新技术展开,属于心血管系统疾病领域。腹主动脉瘤是腹部主动脉发生的病理性扩张,一旦破裂可导致腹腔内出血,危及生命。为预防破裂,临床上可实施择期手术,其中血管腔内修复术(EVAR)通过向动脉瘤内植入支架,阻止其进一步增长和破裂。然而,标准化的腹主动脉瘤管理存在若干不足:最大直径被用于决定择期修复时机,但其对破裂风险的预测并不精确,形成未被满足的临床需求;计算机断层扫描(CT)和超声(US)在随访方案中的预测能力有限,使EVAR的结局与并发症发生仍难以预判;同时,患者与医生还反复暴露于累积的辐射毒性之中。该数据集正是针对上述问题,探索磁共振成像新技术在腹主动脉瘤诊断与治疗中的应用价值。
【数据集背景】
腹主动脉瘤是腹部主动脉的病理性扩张,存在破裂并引发腹腔内出血的风险。为预防破裂,临床可选择择期手术,血管腔内修复术(EVAR)即通过植入支架来阻止动脉瘤继续增长和破裂。但标准管理路径面临多重挑战:以最大直径作为择期修复的决策依据不够精确,无法可靠预测破裂风险,构成尚未满足的临床需求;CT与超声在随访中的预测能力不足,使EVAR的结局和并发症难以预判;此外,患者和医生还持续承受累积的辐射暴露。该数据集所对应的研究,正是为应对这些不足而探索新的磁共振成像技术。
【数据内容】
源站未提供。
【采集与来源】
该数据集来源于clinicaltrials.gov。其主题标签为“Abdominal Aortic Aneurysm Without Rupture”,对应的疾病条件为无破裂的腹主动脉瘤。源站描述中提及了CT和超声作为随访方案中的现有影像手段,并指出其预测能力有限以及辐射毒性问题,但未进一步说明本数据集的具体采集方式、样本构成或数据字段。
【适用场景】
源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT05976711
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:未破裂的腹主动脉瘤。腹主动脉瘤(AAA)是腹部主动脉的病理性扩张,可能破裂导致腹腔内出血。为预防破裂,可进行择期手术。血管内修复(EVAR)是一种外科干预措施,通过向腹主动脉瘤内插入支架,防止其进一步增长和破裂。标准的腹主动脉瘤管理存在若干缺陷。首先:最大腹主动脉瘤直径被用于决定择期修复的时机,但在预测破裂风险方面并不精确,导致临床需求未得到满足。其次,由于随访方案中使用的计算机断层扫描(CT)和超声(US)预测能力有限,EVAR的结果和并发症发生情况仍难以预测。最后,患者和医生反复暴露于累积的辐射毒性。所有这些缺陷都可以通过将标准成像模式替换为磁共振成像(MRI)来解决。
在MARVY研究中,采用先进的MRI技术,旨在探究标准成像技术能否在AAA管理的三个阶段(监测、手术规划及术后随访)中被MRI所替代。将要使用的两种最重要的MRI技术分别是4D流MRI和动态对比增强(DCE)MRI,它们分别提供了关于AAA内血流及主动脉壁灌注的信息。
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。




