MINOCA与MINOCA-mimics患者自由呼吸3D定量灌注比较

该数据集来自clinicaltrials.gov,聚焦MINOCA与MINOCA-mimics患者,涵盖非阻塞性冠状动脉心肌梗死、急性心肌炎、Takotsubo心肌病、自发性冠状动脉夹层及非ST段抬高型心肌梗死等病症

University of ZurichUniversity of Zurich
clinicaltrials
浏览 11
基因组分类Myocarditis AcuteTakotsubo CardiomyopathySpontaneous Coronary Artery DissectionNon ST Elevation Myocardial Infarction
Comparison of Free-breathing 3D Quantitative Perfusion in Patients With MINOCA and MINOCA-mimics

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-10

资源简介

MINOCA与MINOCA-mimics患者自由呼吸3D定量灌注比较

该数据集来自clinicaltrials.gov,聚焦MINOCA与MINOCA-mimics患者,涵盖非阻塞性冠状动脉心肌梗死、急性心肌炎、Takotsubo心肌病、自发性冠状动脉夹层及非ST段抬高型心肌梗死等病症。数据涉及先进心脏磁共振检查,包括新型自由呼吸运动信息局部低秩定量3D心肌灌注成像,并与3D晚期钆增强成像进行对比,同时通过cine Dixon序列评估心外膜脂肪组织。可用于心肌灌注定量分析、疾病鉴别诊断及影像学对比研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:非阻塞性冠状动脉心肌梗死、急性心肌炎、Takotsubo心肌病、自发性冠状动脉夹层、非ST段抬高型心肌梗死。先进心脏磁共振包括一种新型的自由呼吸运动信息局部低秩定量3D心肌灌注成像。灌注成像将与3D晚期钆增强(LGE)成像进行比较。进行cine Dixon序列以评估心外膜脂肪组织(EAT)。

【主题与分类】

主题标签:Myocarditis Acute、Takotsubo Cardiomyopathy、Spontaneous Coronary Artery Dissection、Non ST Elevation Myocardial Infarction。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/NCT06323811

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06323811

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

条件:非阻塞性冠状动脉心肌梗死、急性心肌炎、Takotsubo心肌病、自发性冠状动脉夹层、非ST段抬高型心肌梗死。高级心脏磁共振(CMR)包括一种新型的自由呼吸运动信息局部低秩定量三维心肌灌注成像。灌注成像将与三维晚期钆增强(LGE)成像进行比较。进行电影Dixon序列以评估心外膜脂肪组织(EAT)。

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。

获取专属数据定制方案