使用MRI技术评估肾纤维化的研究
该数据集来自clinicaltrials.gov,围绕使用磁化传递成像(MTI)磁共振成像(MRI)评估肾纤维化展开,涉及高血压与肾血管疾病(RVD)人群

基本信息
资源简介
使用MRI技术评估肾纤维化的研究
该数据集来自clinicaltrials.gov,围绕使用磁化传递成像(MTI)磁共振成像(MRI)评估肾纤维化展开,涉及高血压与肾血管疾病(RVD)人群。源站描述指出肾纤维化是多数肾脏疾病共有的损伤终末通路与重要生物标志物,早期识别并干预可能延缓肾病进展,但缺乏足够的无创检测与定量手段;研究者在单侧RVD的小鼠和猪模型中已证明MTI可评估狭窄肾纤维化,而MT-MRI因固有半定量特性限制其临床效用,定量MT则尚待探索。数据可用于肾纤维化无创评估与定量方法相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:高血压、肾血管性。肾纤维化是大多数肾脏疾病共有的损伤终末通路和重要生物标志物。例如,在肾血管疾病(RVD)中,进行性肾纤维化可能诱发肾损伤和高血压。早期识别纤维化并进行充分干预可能减缓肾脏疾病进展,但检测和量化肾纤维化的充分无创策略尚待确定。磁化传递成像(MTI)磁共振成像(MRI)是一种评估组织大分子组成的新型无创方法。研究者已证明,MTI可在单侧RVD的小鼠和猪模型中评估狭窄肾纤维化。然而,MT-MRI评估肾纤维化的临床效用目前有限,因为它本质上是半定量的。相比之下,定量MT
【主题与分类】
主题标签:Hypertension、Renovascular。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04508049
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/NCT04508049
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
疾病:高血压,肾血管性。肾纤维化是大多数肾脏疾病常见的最终通路和重要损伤生物标志物。例如,在肾血管疾病(RVD)中,进行性肾纤维化可能诱发肾损伤和高血压。早期识别纤维化并给予适当干预可能减缓肾脏疾病的进展,但目前尚缺乏足够的无创策略来检测和量化肾纤维化。磁化传递成像(MTI)磁共振成像(MRI)是一种评估组织大分子组成的新型无创方法。研究人员已证明,MTI可在单侧RVD的小鼠和猪模型中评估狭窄肾脏的纤维化。然而,MT-MRI评估肾纤维化的临床实用性目前有限,因为它本质上是半定量的。相比之下,基于生物物理隔室模型的定量MT(qMT)可提供对组织MT特性更客观的测量。
对不同MT脉冲幅度和偏移频率下采集的MR信号进行模型拟合,并结合扫描特定的B0/B1/T1图,可更完整地定义组织参数,包括“结合池分数”,即直接测量组织中大分子含量的指标。本提案的基本假设是:qMT能够在1.5 T和3.0 T场强下可靠地检测RVD受试者肾纤维化的发生。为验证这一假设(该假设有强有力的初步数据支持),研究者将首先开发、优化并验证qMT用于评估狭窄后猪肾纤维化的能力。研究者将把qMT衍生的肾纤维化指标与参考标准进行相关性分析,并与使用先进的多探测器CT(MDCT)和MRI技术定量的单肾血流动力学、功能和氧合情况进行相关性分析。随后,研究者将确定qMT预测接受血运重建的RVD猪肾脏恢复情况的能力。此外,他们还将进一步
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。




