儿童临床指征磁共振成像中自主神经生理数据采集
该数据集来自 clinicaltrials.gov,聚焦儿童临床指征磁共振成像扫描中自主神经生理数据的采集。Fontan 循环以中心静脉压持续异常升高、心输出量降低为特征,尤其在需求增加时

基本信息
资源简介
儿童临床指征磁共振成像中自主神经生理数据采集
该数据集来自 clinicaltrials.gov,聚焦儿童临床指征磁共振成像扫描中自主神经生理数据的采集。覆盖 Pectus Excavatum 与 Cardiac Anomaly 两类情况,涉及 Fontan 手术及 Fontan 循环生理。Fontan 循环以中心静脉压持续异常升高、心输出量降低为特征,尤其在需求增加时。研究显示 Fontan 患者副交感与交感神经活动较对照组降低。在先天性心脏病儿童中,自主神经功能障碍可能是其病理生理的一部分。数据可用于自主神经功能相关分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Pectus Excavatum、Cardiac Anomaly。Fontan 手术是一种用于单功能心室儿科患者的姑息性外科手术。该手术是一系列逐步操作,改变心肺生理,将体循环与肺循环分开,形成 Fontan 生理,其中体静脉血被动流动、无心室推力进入肺循环。Fontan 循环的标志是持续、异常升高的中心静脉压,同时心输出量降低,尤其在需求增加时。多项 Fontan 患者研究结果显示,与对照组相比,副交感与交感神经活动降低。在先天性心脏病儿童中,自主神经功能障碍的鉴别诊断可能是其病理生理的一部分,一种代偿性 m
【主题与分类】
主题标签:Pectus Excavatum、Cardiac Anomaly。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06110689
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/NCT06110689
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:漏斗胸,心脏异常。Fontan手术是一种用于单心室功能性儿科患者的姑息性外科手术。该手术通过一系列逐步操作改变心肺生理,将体循环与肺循环分离,从而形成Fontan生理状态,即体静脉血液在无心室推动的情况下被动流入肺循环。Fontan循环的特征是持续性、异常升高的中心静脉压,并伴有心输出量降低,尤其是在需求增加时。多项针对Fontan患者的研究结果显示,与对照组相比,其副交感和交感神经活动均降低。在先天性心脏病患儿中,自主神经功能障碍的鉴别诊断可能构成其病理生理的一部分、一种代偿机制、外科手术的后果,或这些因素的组合。在儿童中,自主神经系统功能的测量同样重要。
单心室生理(以及其他心脏状况)的儿童会接受常规监测和心脏磁共振(CMR)成像,以监控疾病进展。尽管这些扫描中常规收集了自主神经数据并可获取,但这些数据很少被收集和分析;然而,我们的团队已证明其可行性。因此,儿童中通常无法获得自主神经数据。尽管有与年龄相关的正常值可供参考,但自主神经活动的预测能力在儿童中研究不足,且尚无关于该人群自主神经数据量化的已发表研究。
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。




