主动脉瓣狭窄患者经导管主动脉瓣置换术后亚临床心脏淀粉样变性的CT心肌纹理影像组学识别数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.10630160

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

本记录包含与文章“利用计算机断层扫描心肌纹理的放射组学分析识别接受经主动脉瓣置换术的主动脉瓣狭窄患者中的亚临床心脏淀粉样变性”相关的原始数据。背景。心脏淀粉样变性（CA）是一种日益被诊断出的疾病，与主动脉瓣狭窄（AS）共有若干表型特征。目的。由于诊断这两种疾病具有重要的预后和治疗意义，本研究旨在识别一组源自心脏计算机断层扫描的稳定且具有区分性的放射组学特征，以区分它们。方法：研究纳入了42名患者。对于每位患者，通过几何变换（平移）对感兴趣区域（ROIs）进行评估，并计算了107个放射组学特征的组内相关系数（ICC）。进行了分层7折交叉（k=7）验证，将数据分为学习集、验证集和测试集。

三种特征选择方法（基于Wilcoxon符号秩检验的方法和/或LASSO回归）及五种机器学习分类器。结果：九十个影像组学特征满足稳健性标准，经过特征选择后保留了十个。最佳结果是通过逻辑回归分类器结合Wilcoxon符号秩检验和LASSO回归获得的，在测试集中达到了95±7%的准确率，敏感性和特异性均为95±12%。结论：影像组学的应用在区分由CA引起的左心室肥厚与AS方面显示出有希望的结果，可能作为一种非侵入性工具，支持临床决策制定。

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。