心脏磁共振-心肌瘢痕对心脏性猝死预测预后研究
该数据集来自 clinicaltrials.gov,聚焦心肌梗死后心脏性猝死风险预测。源站描述指出,当前主要依据左心室射血分数(LVEF≤35%)进行植入式心律转复除颤器治疗的风险分层并不充分,许多猝死事件发生于 LVEF>35% 的患者

基本信息
资源简介
心脏磁共振-心肌瘢痕对心脏性猝死预测预后研究
该数据集来自 clinicaltrials.gov,聚焦心肌梗死后心脏性猝死风险预测。源站描述指出,当前主要依据左心室射血分数(LVEF≤35%)进行植入式心律转复除颤器治疗的风险分层并不充分,许多猝死事件发生于 LVEF>35% 的患者。研究旨在开发并验证整合综合瘢痕特征的多模态临床-心脏磁共振风险预测模型,以识别可能受益于 ICD 治疗的高危心梗后患者,优化预防策略与资源利用。数据可用于构建和验证心律失常风险预测模型(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:心脏性猝死、心肌瘢痕、心肌梗死(MI)。心脏性猝死(SCD)仍是心肌梗死(MI)后死亡的主要原因。当前主要依赖左心室射血分数(LVEF≤35%)决定植入式心律转复除颤器(ICD)治疗的风险分层并不充分,因为许多 SCD 事件发生在 LVEF>35% 的患者中。通过心脏磁共振(CMR)评估的心肌瘢痕特征,尤其是晚期钆增强(LGE),显示出改善心律失常风险预测的前景,但需要稳健验证。本研究旨在开发并验证一个整合综合瘢痕特征的多模态临床-CMR 风险预测模型,以更好地识别可能受益于 ICD 治疗的心梗后高危患者,优化预防策略和资源利用。这是一项单中心
【主题与分类】
主题标签:Sudden Death, Cardiac、Myocardial Scarring、Myocardial Infarction (MI)。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/NCT07137936
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/NCT07137936
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
条件:心源性猝死、心脏性、心肌瘢痕、心肌梗死(MI)。心源性猝死(SCD)仍是心肌梗死(MI)后死亡的主要原因。目前的风险分层主要依赖左心室射血分数(LVEF ≤35%)来决定是否植入型心律转复除颤器(ICD)治疗,但这一方法并不充分,因为许多SCD事件发生在LVEF >35%的患者中。通过心脏磁共振(CMR)评估的心肌瘢痕特征,尤其是晚期钆增强(LGE),在改善心律失常风险预测方面显示出前景,但仍需强有力的验证。本研究旨在开发并验证一个整合全面瘢痕特征的多模态临床-CMR风险预测模型,以更好地识别可能从ICD治疗中获益的MI后高危患者,优化预防策略和资源利用。本单中心、双向性队列研究包括两个阶段。第一阶段(回顾性):回顾性筛选2015年至2025年间在本机构接受心肌梗死(MI)治疗的患者。纳入MI后至少一个月接受CMR成像的患者。
收集了基线临床特征和详细的CMR检查结果。这些患者的预后数据通过回顾性方式收集,截至2026年1月。第2阶段(前瞻性):入组队列的预后数据前瞻性收集将从2026年持续至2036年。随访主要通过门诊访视和每6个月一次的 telephone interviews 进行。终点定义:主要终点:心源性猝死(SCD)等效事件,包括:SCD事件;中止的SCD事件(心脏骤停或室性心律失常后成功复苏);用于终止室性快速性心律失常的适当植入式心律转复除颤器(ICD)或心脏再同步治疗除颤器(CRT-D)治疗。次要终点:包括全因死亡、心血管死亡、心力衰竭再住院、复发性心肌梗死、
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




