基于多模态CT评估未破裂脑动静脉畸形单纯药物治疗临床结局
该数据集来自clinicaltrials.gov,为一项长期、多中心、前瞻性注册研究,聚焦未破裂脑动静脉畸形(bAVM)在单纯药物治疗下的临床结局评估

基本信息
资源简介
基于多模态CT评估未破裂脑动静脉畸形单纯药物治疗临床结局
该数据集来自clinicaltrials.gov,为一项长期、多中心、前瞻性注册研究,聚焦未破裂脑动静脉畸形(bAVM)在单纯药物治疗下的临床结局评估。研究基于多模态CT,从形态、结构及影像组织学信号分析影像特征与不同临床结局的关系,并分析局部及周边bAVM的血流动力学与流型,探索血流特征与结局的关联。数据可用于研究多模态CT在预测未破裂bAVM临床结局中的作用,支持影像特征与血流特征的关联分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑动静脉畸形。本研究是一项长期、多中心、前瞻性注册研究,受中国国家重点研发计划项目No. 2021YFC2500502支持。本研究的目的是探讨多模态计算机断层扫描(CT)在评估和预测未破裂脑动静脉畸形患者单纯药物治疗下不同临床结局中的作用。本研究将从以下方面开展:1. 基于多模态CT的形态学、结构及影像组织学信号分析,研究影像特征与bAVM不同临床结局之间的关系。2. 基于多模态CT的局部及周边bAVM血流动力学与流型分析,探索血流特征与不同临床结局之间的关联。3. 基于多模态
【主题与分类】
主题标签:Brain Arteriovenous Malformations。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05449106
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/NCT05449106
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:脑动静脉畸形。本研究为长期、多中心、前瞻性注册研究,受国家重点研发计划项目(项目编号:2021YFC2500502)支持。本研究旨在探讨多模态计算机断层扫描(CT)在评估和预测未破裂脑动静脉畸形患者仅接受药物治疗时不同临床结局中的作用。本研究将从以下几个方面开展:1. 基于多模态CT的形态学、结构及影像组织学信号分析,研究影像特征与bAVMs不同临床结局之间的关系。2. 基于多模态CT对bAVMs局部及周边进行血流动力学和流型分析,探讨血流特征与不同临床结局之间的关联。3. 基于多模态CT和深度学习算法,构建bAVMs自动分割模型及不同临床结局预测模型。4. 比较多模态CT与MRI在评估未破裂脑动静脉畸形临床结局中的效能。
获取的患者信息包括:1. 基线信息 2. CT图像:包括平扫CT(NCCT)、CT血管造影、CT灌注成像 3. 磁共振成像(MRI):包括T1加权图像、T2加权图像、T2-FLAIR、飞行时间磁共振血管造影(TOF-MRA)、弥散加权成像(DWI)、磁敏感加权成像(SWI) 4. 数字减影血管造影(DSA,可选) 5. 随访信息:入组后第6个月、12个月、24个月和36个月进行随访,主要观察以下内容。主要观察终点:1. 与bAVMs相关的出血事件,通过CT扫描确认;2. 新发癫痫症状或加重,通过会诊或脑电图确认;3. 新发神经功能障碍(包括运动功能障碍、认知功能障碍等),通过会诊、体格检查确认
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




