基本信息

模态

其他

任务类型

预测

创建/更新时间

2026-10-19

资源简介

可替宁水平与动脉瘤壁强化HRMRI相关性研究

该数据集英文名为 A Study on the Correlation Between Cotinine Levels and Aneurysm Wall Enhancement on HRMRI，来源于 clinicaltrials.gov，本站将其归类于心血管系统疾病下的动脉瘤方向。数据集围绕可替宁水平与颅内未破裂动脉瘤在高分辨率磁共振成像上动脉瘤壁强化之间的关系展开，主题标签为 Cotinine Levels 与 Arterial Aneurysm Wall Enhancement on HRMRI。其核心关注点在于：通过收集颅内未破裂动脉瘤患者的高分辨率磁共振成像特征与可替宁水平，并结合患者预后情况，探索可替宁水平与颅内动脉瘤破裂风险之间的关联。该数据集适合用于动脉瘤破裂风险评估、影像特征与生物标志物关联分析等研究方向。

【数据集背景】

既往研究表明，患者颅内动脉瘤破裂风险与高分辨率磁共振成像上所见的动脉瘤壁强化有关。基于这一背景，该研究旨在探讨可替宁水平与颅内动脉瘤破裂风险之间的关系。研究将影像学特征与患者可替宁水平相结合，并纳入患者预后信息，以考察可替宁这一指标在动脉瘤风险评估中的潜在价值。数据集所涉及的疾病条件包括可替宁水平与高分辨率磁共振成像上的动脉瘤壁强化。

【数据内容】

数据集的内容围绕颅内未破裂动脉瘤患者展开，主要包括高分辨率磁共振成像上的影像特征、患者的可替宁水平，以及随访获得的影像学特征、预后评分和动脉瘤闭塞率等信息。研究对象为符合高分辨率磁共振成像与可替宁检测纳入标准的患者。数据主题聚焦于可替宁水平与动脉瘤壁强化之间的相关性分析。

【采集与来源】

该数据集来源于 clinicaltrials.gov。研究纳入符合高分辨率磁共振成像和可替宁检测纳入标准的患者，采集其在 high-resolution magnetic resonance imaging 上的未破裂颅内动脉瘤影像特征与可替宁水平，并对患者的动脉瘤影像学特征、预后评分及动脉瘤闭塞率进行随访。

【适用场景】

该数据集可用于探索可替宁水平与颅内动脉瘤破裂风险之间关系的研究，也可用于分析高分辨率磁共振成像上动脉瘤壁强化特征与患者预后指标之间的关联。适合开展动脉瘤破裂风险评估、影像特征与生物标志物联合分析等方向的研究工作。

【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。

原始链接

https://clinicaltrials.gov/study/NCT06447714

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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/NCT06447714

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。

数据说明

条件：可替宁水平、HRMRI上的动脉瘤壁强化。本研究旨在通过收集未破裂颅内动脉瘤在高分辨率磁共振成像上的影像特征和患者的可替宁水平，结合动脉瘤患者的预后，探讨可替宁水平与颅内动脉瘤破裂风险之间的关系。既往研究表明，患者颅内动脉瘤破裂风险与高分辨率磁共振成像上的动脉瘤壁强化有关。因此，本研究纳入了符合高分辨率磁共振成像和可替宁检测纳入标准的患者，并对患者动脉瘤的影像特征、预后评分及动脉瘤闭塞率进行随访。

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