基于AI的超声心动图检测心脏淀粉样变

数据集获取

源站：https://clinicaltrials.gov/study/NCT07529860

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：心脏淀粉样变性、射血分数保留的心力衰竭（HFPEF）、左心室肥厚。背景：心脏淀粉样变性的特征是在心肌中沉积错误折叠的蛋白质，主要导致射血分数保留的心力衰竭症状。此外，还存在特定的临床特征（双侧腕管综合征、多发性神经病、皮肤瘀斑、肱二头肌腱断裂等）、生物标志物（NT-proBNP升高程度与心力衰竭程度不成比例、持续性肌钙蛋白升高、蛋白尿等）、心电图特征（QRS波电压降低、心房颤动等）以及超声心动图特征（向心性左心室肥厚、心房扩大、整体纵向应变减低并呈典型的心尖保留模式、舒张功能障碍等）。该疾病的早期诊断对于识别可能从适当治疗中获益的患者至关重要。超声心动图或心脏磁共振提示疑似心脏淀粉样变性时，需促使申请血清游离轻链定量、血清和尿液免疫固定电泳，以及使用骨放射性示踪剂的单光子发射计算机断层扫描。

假设：将人工智能辅助算法应用于超声心动图数据，可能比具有心脏影像学专业知识的心脏病专家更精确地识别出疑似心脏淀粉样变性。方法：本项目提案将包括3个不同阶段：阶段1：对临床获取的超声心动图数据进行回顾性评估，报告提示左心室肥厚（左心室壁厚度≥12 mm）和/或心脏淀粉样变性。该评估将包括检索和分析2022年至今的超声心动图数据（约20K项检查）。这些数据将由一位经验丰富的观察者和一种当前可用的人工智能（AI）算法重新分析，以检测疑似心脏淀粉样变性。将检验该算法与观察者之间的一致性。对于那些最初报告超声心动图的观察者

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。