AI-CARE：人工智能用于心血管分析与风险评估

数据集获取

源站：https://clinicaltrials.gov/study/NCT07438327

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：主动脉瘤、腹主动脉瘤、主动脉瘤与夹层、胸腹主动脉瘤。本研究将测试一款名为Aorta AIM的人工智能（AI）软件从CT扫描中测量主动脉（人体主要血管）尺寸的准确程度。主动脉可能随时间推移而扩大，这可能导致严重的健康问题。医生需要准确测量主动脉，以监测患者并决定治疗方案。目前，医生在CT扫描上手动测量主动脉，这既耗时，又可能因医生不同而存在差异。Aorta AIM旨在自动且一致地测量主动脉。在本研究中，研究人员将把Aorta AIM的测量结果与经验丰富的放射科医生或心脏病医生（专门解读医学图像的医生）所做的测量进行比较。本研究将使用作为常规医疗护理一部分已经拍摄的CT扫描——无需额外的扫描或操作。本研究将纳入巴西和美国多家医院约250名参与者。参与者将是已接受胸部或腹部CT扫描、且扫描显示其主动脉的成年人。

主要目标是：

• 检查Aorta AIM测量主动脉的准确性能否与放射科医生相媲美
• 评估Aorta AIM能否帮助医生提高工作效率
• 评价该软件在不同医院环境和各类患者中的适用性
  这项研究可能有助于改进未来医生监测主动脉疾病和做出治疗决策的方式。由于研究仅使用现有的医学影像，参与者不存在任何风险。

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。