从静息到造影剂至腺苷充血连续测量用于血流储备分数评估的数据

数据集获取

源站：https://doi.org/10.5061/dryad.f76nv

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。

数据集大小约 173.0 MB。

数据说明

目的：我们比较了基于造影剂的血流储备分数（cFFR）、静息远端压力（Pd）/主动脉压力（Pa）以及瞬时无波形比率（iFR）与腺苷衍生的血流储备分数（FFR）#0.8的诊断性能。背景：FFR能客观识别出哪些病变可从药物治疗中获益，哪些需要血运重建。然而，FFR需要最大程度的血管扩张，通常通过腺苷实现。放射造影剂注射可引起次最大程度的冠状动脉充血。因此，冠状动脉内造影剂可能提供一种简便且廉价的预测FFR的工具。方法：我们招募了接受常规FFR评估的患者，并对所有生理指标（Pd/Pa、iFR、cFFR和FFR）进行了配对重复测量。造影剂及其剂量按照当地实践执行，冠状动脉内腺苷剂量亦然。鼓励操作者同时进行冠状动脉内和静脉内腺苷评估，并进行最终漂移检查以评估导丝校准。一个中心核心实验室以标准化方式对盲法压力描记进行了分析。结果：共从12个国际中心招募了763名受试者。

每次测量的对比剂用量为8±2 ml，共使用了8种不同的对比剂。对每个指标进行重复测量显示偏倚<0.005，但cFFR的标准差（变异性更小）低于静息指标。尽管Pd/Pa和iFR在预测FFR≤0.8方面表现相当（准确率78.5% vs. 79.9%，p=0.78；受试者工作特征曲线下面积：0.875 vs. 0.881，p=0.35），但cFFR在这两项指标上均有改善（准确率85.8%，曲线下面积0.930，每项p<0.001），最佳二分类阈值为0.83。采用cFFR的混合决策策略比基于Pd/Pa或iFR的策略更少需要使用腺苷。结论：cFFR在预测FFR方面的诊断性能优于Pd/Pa或iFR。对于腺苷禁忌或费用过高的临床场景或医疗体系

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。