CATCH AF - 隐源性卒中中的心房颤动检测
源站描述指出,AFDAS 常呈阵发性、短阵发作,检测困难,而早期识别对优化卒中二级预防至关重要,因为直接口服抗凝药(DOACs)可将 AF 相关卒中风险降低达 60%

基本信息
资源简介
CATCH AF - 隐源性卒中中的心房颤动检测
CATCH AF 数据集来自 clinicaltrials.gov,聚焦隐源性卒中后的心房颤动检测(AFDAS)。源站描述指出,AFDAS 常呈阵发性、短阵发作,检测困难,而早期识别对优化卒中二级预防至关重要,因为直接口服抗凝药(DOACs)可将 AF 相关卒中风险降低达 60%。多项随机临床试验(NAVIGATE ESUS、RESPECT ESUS、ATTICUS)未能证明对未经选择的隐源性卒中患者使用 DOACs 优于标准抗血小板治疗。该数据集可用于心房颤动检测相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:心房颤动(AF)。背景:卒中后检测到的心房颤动(AFDAS)的早期识别对于优化卒中二级预防至关重要,因为开始使用直接口服抗凝药(DOACs)可将心房颤动(AF)相关卒中风险降低达 60%。然而,AFDAS 常呈阵发性且为短阵发作,这使其检测变得复杂。在初始检查后病因未明的急性缺血性卒中(即隐源性卒中,CS)中,AFDAS 可能是最常见的病因。随机临床试验(NAVIGATE ESUS、RESPECT ESUS、ATTICUS)未能证明对未经选择的 CS 患者使用直接口服抗凝药(DOACs)治疗优于标准抗血小板治疗。此外,最近发表的 ARCADIA 试验未能识别出使用阿哌沙班减少复发性缺血性卒中
【主题与分类】
主题标签:Atrial Fibrillation (AF)。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/NCT07899788
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/NCT07899788
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:心房颤动(AF)。背景:卒中后检出心房颤动(AFDAS)的早期识别对于优化二级卒中预防至关重要,因为启用直接口服抗凝药(DOACs)可使心房颤动(AF)相关卒中风险降低高达60%。然而,AFDAS常呈阵发性且发作短暂,这使其检测变得复杂。在初始检查后病因未明的急性缺血性卒中(即隐源性卒中,CS)中,AFDAS可能是最常见的病因。随机临床试验(NAVIGATE ESUS、RESPECT ESUS、ATTICUS)未能证明,与标准抗血小板治疗相比,使用直接口服抗凝药(DOACs)治疗未经选择的CS患者具有优越性。此外,近期发表的ARCADIA试验未能证实在具有心房心脏病超声心动图和/或实验室征象的隐源性卒中患者中,使用阿哌沙班可减少复发性缺血性卒中。这些结果支持在CS患者中检测AF的必要性,但日常临床常规中的成本和可及性构成了使用延长心脏节律监测的障碍。
因此,我们开发了一套基于心电图、超声心动图、神经影像学和血液生物标志物的临床风险评分(Graz AF Risk Score),并在奥地利施蒂里亚州的所有医院推广应用,这些医院每年合计为超过2000例卒中患者提供诊疗服务。该评分在患者入院后数日内常规应用,用以确定后续的房颤检测策略。低评分(0-1分)患者不再接受进一步的心律监测(阴性预测值:>99%)。评分为2分或3分的患者接受至少24小时的进一步动态心电图监测,而评分≥4分的患者则接受植入式循环记录器。据我们所知,这是欧洲规模最大的针对隐源性卒中患者持续评估的房颤检测路径。尽管其在
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。




