基于中国区域医疗中心的未破裂颅内动脉瘤在线注册平台建立及人群随访研究（Ⅱ期）

数据集获取

源站：https://clinicaltrials.gov/study/NCT05608122

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

疾病：颅内动脉瘤。颅内动脉瘤是蛛网膜下腔出血的主要原因，中国人群蛛网膜下腔出血发病率约为5%。未破裂颅内动脉瘤的干预存在争议，因为其自然破裂出血后危害大，且通过现有侵入性治疗方法，约四分之一患者仍预后不良。如何准确判断未破裂颅内动脉瘤的不稳定风险，是解决这一争议的关键。既往研究中，颅内动脉瘤的稳定性涉及诸多特征，且样本量较小，多为回顾性研究及对变化后状态（破裂/生长）的研究。因此，目前相关危险因素尚不明确，仍缺乏可靠的预测模型。

基于以上事实，本研究提出依托全国百家区域医疗机构建立未破裂颅内动脉瘤的网络注册平台，利用互联网的实时性和开放性，通过病例资源共享的方式构建未破裂颅内动脉瘤队列，收集临床特征、影像学特征、血流动力学检测、生物样本及分析结果等数据，并对其进行为期两年的观察。采用通联医疗健康人工智能平台对所有数据进行整合、分析与学习，进而获得与颅内动脉瘤两年内稳定性相关的危险因素，构建未破裂颅内动脉瘤稳定性预测模型。本研究将建成国内最大的未破裂颅内动脉瘤网络注册平台及人群随访队列，并通过整合颅内动脉瘤多维度因素，提出未破裂颅内动脉瘤稳定性预测模型，为临床提供有力的辅助判断工具。

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。