EACVI 炎症性心血管疾病多模态心血管影像研究
该数据集来自 clinicaltrials.gov,聚焦炎症性心血管疾病与自身免疫性风湿病(ICARDs)的多模态心血管影像研究

基本信息
资源简介
EACVI 炎症性心血管疾病多模态心血管影像研究
该数据集来自 clinicaltrials.gov,聚焦炎症性心血管疾病与自身免疫性风湿病(ICARDs)的多模态心血管影像研究。覆盖心肌炎、ANCA 相关性血管炎、心包炎、系统性硬化症、系统性红斑狼疮、特发性炎症性肌病、类风湿关节炎、脊柱关节炎等疾病。ICARDs 可表现为冠状动脉疾病、急性心力衰竭、室性与室上性心律失常等多种心血管临床表型,自身免疫性风湿病已被确认为主要心血管事件的独立危险因素。该数据可用于心血管影像与炎症性疾病关联的分析研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:心肌炎、ANCA 相关性血管炎、心包炎、系统性硬化症、系统性红斑狼疮、特发性炎症性肌病、类风湿关节炎、脊柱关节炎。炎症性心血管疾病与自身免疫性风湿病(ICARDs)涵盖结缔组织病和血管炎的心血管表现,以及影响心脏各层的原发性炎症——如心肌炎、心包炎和 Tako-Tsubo。ICARDs 可导致大量心血管临床表现,包括冠状动脉疾病、急性心力衰竭、室性和室上性心律失常。自身免疫性风湿病已被确认为主要心血管事件的独立危险因素,即使在调整传统心血管危险因素后依然如此,且累积证据显示心血管发病率增加
【主题与分类】
主题标签:Myocarditis、ANCA Associated Vasculitis、Pericarditis、Systemic Sclerosis、Systemic Lupus Erythematosus、Idiopathic Inflammatory Myopathies、Rheumatoid Arthritis、Spondylarthritis、Behcet Disease、Takayasu Arteritis。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/NCT07077304
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/NCT07077304
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
疾病类型:心肌炎、ANCA相关性血管炎、心包炎、系统性硬化症、系统性红斑狼疮、特发性炎性肌病、类风湿关节炎、脊柱关节炎。炎性心血管疾病与自身免疫性风湿病(ICARDs)涵盖结缔组织病和血管炎的心血管表现,以及影响心脏各层的原发性炎症——如心肌炎、心包炎和Tako-Tsubo心肌病。ICARDs可导致多种临床心血管表现,包括冠状动脉疾病、急性心力衰竭、室性及室上性心律失常。自身免疫性风湿病已被确认为主要心血管事件的独立危险因素,即使在调整传统心血管危险因素后亦然,且累积证据显示,与一般人群相比,ICARDs的心血管发病率和死亡率均升高。为解释心血管事件风险增加,已提出多种病理生理机制。
疑似机制包括长期全身性炎症、加速性动脉粥样硬化、自身抗体和免疫复合物形成,以及交感神经张力增高,后者可能促进心力衰竭和心律失常的发生。ICARDs患者的心血管受累因其临床表现的异质性而成为诊断难题,且心血管受累后确定预后同样困难。多模态心血管影像学,包括心血管磁共振(CMR)、经胸超声心动图和正电子发射断层扫描(PET)核素显像,已成为有助于鉴别炎症性疾病彼此之间及与其他疾病,并识别预后标志物的有用诊断工具。多模态心血管影像学有可能在评估原发性炎症性心肌病和自身免疫性风湿病的心血管受累程度方面发挥重要作用,通过实现早期、更准确的诊断、表型分类和监测。其附加价值
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。




