烟雾病与烟雾综合征卒中及认知障碍风险预测模型的开发与验证

数据集获取

源站：https://clinicaltrials.gov/study/NCT07894107

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

研究条件：烟雾病、烟雾综合征。这是一项多中心前瞻性观察性队列研究，计划纳入约3，000例烟雾病或烟雾综合征患者。在基线时，将按照研究方案收集人口学和临床特征、神经和认知评估、实验室数据、多模态神经影像学检查以及外周血样本。基线血管影像学检查将包括至少一项可分析的CTA、MRA或DSA检查。如有条件，还将收集额外的结构MRI和灌注成像，包括CTP、ASL或DSC。本研究不指定治疗方案。参与者将根据其临床状况、当前诊疗标准以及主治医师与患者共同决策的结果，接受保守治疗或脑血运重建术。参与者将在入组后3-6个月、12个月和24个月时接受随访。主要结局为24个月内的新发卒中。

次要结局包括更早时间点的卒中、短暂性脑缺血发作、功能恶化、死亡、通过蒙特利尔认知评估评价的认知变化、疾病进展，以及初始接受保守治疗的参与者后续的脑血运重建。将利用基线临床、影像学、实验室、遗传学及其他可用的多维数据，开发并验证缺血性卒中、脑出血和认知下降的预测模型。12个月预测模型和动态更新模型将作为次要分析或探索性分析考虑。

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。