全身性淀粉样变性中碘-124 Evuzumitide (AT-01) 的特征研究
该数据集来自 clinicaltrials.gov,为单中心前瞻性研究,评估 124I-evuzumitide 在全身性淀粉样变性患者中的应用

基本信息
资源简介
全身性淀粉样变性中碘-124 Evuzumitide (AT-01) 的特征研究
该数据集来自 clinicaltrials.gov,为单中心前瞻性研究,评估 124I-evuzumitide 在全身性淀粉样变性患者中的应用。研究目的包括:建立 124I-evuzumitide 对心脏淀粉样变性的诊断准确性、评估心脏外摄取、识别并表征转甲状腺素蛋白淀粉样心肌病(ATTR-CM)患者的分布与摄取,以及将摄取与包括心脏在内的不同器官的结构和功能相关联。合格患者主要接受混合正电子发射断层扫描与磁共振成像(PET/MRI),无法进行 PET/MR 的亚组改用计算机断层扫描(PET/CT)(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:淀粉样变性、转甲状腺素蛋白淀粉样变性。这是一项单中心前瞻性研究,评估124I-evuzumitide在系统性淀粉样变性患者中的应用。本研究的目的在于:1)确立124I-evuzumitide在心脏淀粉样变性中的诊断准确性;2)评估心脏外摄取;3)识别并描述124I-evuzumitide在转甲状腺素蛋白淀粉样心肌病(ATTR-CM)患者中的分布与摄取特征;4)将摄取与包括心脏在内的不同器官的结构和功能相关联。为实现这些目标,符合条件的患者将主要接受混合正电子发射断层扫描与磁共振成像(PET/MRI)。在无法接受PET/MR的患者亚组中,将使用计算机断层扫描替代MRI(即PET/CT)。在部分患者亚组中,将以6-12个月的间隔使用相同模态进行重复成像。还将收集临床可用数据(人口统计学、表型、影像学、实验室检查),以描述每位患者的疾病特征。
【主题与分类】
主题标签:Amyloidosis、Transthyretin Amyloidosis。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05758493
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/NCT05758493
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:淀粉样变性、转甲状腺素蛋白淀粉样变性。这是一项单中心前瞻性研究,评估124I-evuzumitide在系统性淀粉样变性患者中的应用。本研究的目的在于:1)确立124I-evuzumitide在心脏淀粉样变性中的诊断准确性;2)评估心脏外摄取;3)识别并描述124I-evuzumitide在转甲状腺素蛋白淀粉样心肌病(ATTR-CM)患者中的分布与摄取特征;4)将摄取与包括心脏在内的不同器官的结构和功能相关联。为实现这些目标,符合条件的患者将主要接受混合正电子发射断层扫描与磁共振成像(PET/MRI)。在无法接受PET/MR的患者亚组中,将使用计算机断层扫描替代MRI(即PET/CT)。在部分患者亚组中,将以6-12个月的间隔使用相同模态进行重复成像。还将收集临床可用数据(人口统计学、表型、影像学、实验室检查),以描述每位患者的疾病特征。
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。




