基于冠脉影像与代谢指标的冠心病风险预测模型(CMI-RiskCAD)
疾病：冠状动脉疾病（CAD）（例如心绞痛、心肌梗死和动脉粥样硬化性心脏病（ASHD））。冠状动脉CT血管造影（CCTA）目前是临床诊断冠状动脉疾病（CAD）的首选无创影像学方法，不仅能直观评估冠状动脉狭窄严重程度，还能对冠状动脉粥样硬化斑块负荷和表型进行定量和定性分析
基本信息
资源简介
基于冠脉影像与代谢指标的冠心病风险预测模型(CMI-RiskCAD)
CMI-RiskCAD（Coronary Imaging and Metabolic Indicators-Based Risk Prediction Model for Coronary Artery Disease）是一个面向冠状动脉疾病风险预测的数据集，其关注对象为冠状动脉疾病（CAD），涵盖心绞痛、心肌梗死以及动脉粥样硬化性心脏病（ASHD）等临床情形。该数据集与冠状动脉CT血管造影（CCTA）影像评估及代谢指标相结合，旨在支撑冠状动脉疾病的风险预测建模。CCTA目前被视为临床诊断冠状动脉疾病的首选无创影像学方法，不仅能够直观评估冠状动脉狭窄的严重程度，还可对冠状动脉粥样硬化斑块的负荷与表型进行定量和定性分析。该数据集在分类上归属于循环系统疾病下的其他类别，来源站为clinicaltrials.gov。
【数据集背景】
冠状动脉疾病（CAD）包括心绞痛、心肌梗死和动脉粥样硬化性心脏病（ASHD）等表现形式，是循环系统疾病中的重要类型。冠状动脉CT血管造影（CCTA）目前是临床诊断冠状动脉疾病的首选无创影像学方法，其价值不仅在于直观评估冠状动脉狭窄严重程度，还在于能够对冠状动脉粥样硬化斑块负荷和表型开展定量与定性分析。随着定量CCTA与人工智能的结合，特别是卷积神经网络算法的应用，动脉粥样硬化斑块的快速、准确量化诊断已取得进展。大量研究表明，CCTA识别出的高风险斑块特征，如低衰减斑块、正性重构、点状钙化以及餐巾环征，与相关事件的发生密切相关。CMI-RiskCAD正是在这一背景下构建，将冠状动脉影像与代谢指标纳入冠状动脉疾病风险预测模型。
【数据内容】
该数据集的主题标签为冠状动脉疾病（CAD）（例如心绞痛、心肌梗死和动脉粥样硬化性心脏病（ASHD））。其名称表明数据集围绕冠状动脉影像与代谢指标构建冠状动脉疾病风险预测模型。就源站描述所及，数据集涉及的条件为冠状动脉疾病（CAD），并涉及CCTA影像所支持的斑块负荷与表型分析，以及高风险斑块特征（低衰减斑块、正性重构、点状钙化、餐巾环征）与事件发生的关联。关于数据集的具体样本量、字段结构、代谢指标种类、影像数据格式、标注体系等，源站未提供。
【采集与来源】
该数据集的来源站为clinicaltrials.gov。源站描述提及的条件为冠状动脉疾病（CAD）（例如心绞痛、心肌梗死和动脉粥样硬化性心脏病（ASHD）），并介绍了CCTA作为首选无创影像学方法在狭窄严重程度评估及斑块负荷与表型定量、定性分析中的作用，以及定量CCTA与人工智能（尤其是卷积神经网络算法）结合在斑块量化诊断方面的应用。关于数据采集的具体机构、时间范围、采集流程、受试者招募方式、伦理审批信息等，源站未提供。
【适用场景】
基于现有信息，该数据集适用于冠状动脉疾病（CAD）相关的风险预测模型研究，尤其是将冠状动脉影像信息与代谢指标相结合的场景。其影像基础与CCTA相关，可用于围绕冠状动脉狭窄严重程度评估、冠状动脉粥样硬化斑块负荷与表型的定量和定性分析，以及高风险斑块特征（低衰减斑块、正性重构、点状钙化、餐巾环征）与事件发生关联的研究。定量CCTA与人工智能特别是卷积神经网络算法的结合，也可作为该数据集潜在的分析方向。关于具体适用人群、临床验证场景、模型部署环境等，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取途径、访问权限、预处理步骤、模型训练与验证流程、评价指标等均未说明。
【质量与限制】
源站未提供该数据集的质量评估信息与使用限制说明，包括数据完整性、标注一致性、样本代表性、偏倚控制、隐私与合规要求等均未说明。
【引用与许可】
源站未提供该数据集的引用方式与许可条款信息。
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/NCT07353762
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：冠状动脉疾病（CAD）（例如，心绞痛、心肌梗死和动脉粥样硬化性心脏病（ASHD））。冠状动脉计算机断层扫描血管造影（CCTA）目前是临床诊断冠状动脉疾病（CAD）的首选无创成像方式，不仅能直观评估冠状动脉狭窄程度，还能对冠状动脉粥样硬化斑块负荷和表型进行定量和定性分析。将定量CCTA与人工智能相结合，尤其是卷积神经网络算法，已实现对动脉粥样硬化斑块的快速准确量化诊断。大量研究表明，CCTA识别的高危斑块特征（如低衰减斑块、正性重构、点状钙化和餐巾环征）与急性冠脉综合征的发生密切相关，并可用于预测主要不良心血管事件（MACEs）。
随着图像后处理技术的进步，CCTA还可通过专用软件计算CT血流储备分数（CT-FFR），从而无创评估病变是否引起血流动力学异常及心肌缺血，部分克服了单纯解剖学评估的局限性。值得注意的是，CCTA不仅关注血管内及血管壁变化，还可对血管周围脂肪组织（PVAT）的表型变化进行定量表征。通过计算血管周围脂肪衰减指数（pFAI），可反映PVAT密度和组成的改变，间接提示局部冠状动脉壁的炎症活动状态，从而为从“炎症与代谢”视角理解CAD提供了新的影像学视角。此外，CCTA可根据血管的生理和几何分布特征对冠状动脉粥样硬化的病变模式进行表征。例如，基于CCTA衍生的回撤压力梯度（PPG）可对长
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。
