超声心动图报告中自动提示对心脏病转诊的影响
该数据集来自 clinicaltrials.gov，关注超声心动图报告中自动提示对患者转诊至心内科的影响。覆盖人群为二尖瓣反流（MR）以及中度或重度主动脉瓣狭窄（AS，平均压力梯度≥20 mm Hg 或主动脉瓣面积≤1.5 cm2）患者
基本信息
资源简介
超声心动图报告中自动提示对心脏病转诊的影响
该数据集来自 clinicaltrials.gov，关注超声心动图报告中自动提示对患者转诊至心内科的影响。覆盖人群为二尖瓣反流（MR）以及中度或重度主动脉瓣狭窄（AS，平均压力梯度≥20 mm Hg 或主动脉瓣面积≤1.5 cm2）患者。瓣膜性心脏病（VHD）是心血管领域下一场流行病，影响全球数百万人，随人口老龄化其发病率和患病率持续上升，且无药物可阻止进展。该数据可用于研究自动提示能否改善 VHD 患者的早期诊断、随访和及时干预，以及转诊公平性（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：二尖瓣反流（MR）、中度或重度主动脉瓣狭窄（AS）（平均压力梯度≥20 mm Hg 或主动脉瓣面积≤1.5 cm2）。瓣膜性心脏病（VHD）是心血管领域的下一场流行病，影响全球数百万人，并对医疗系统产生重大影响。随着人口老龄化，VHD 的发病率和患病率将持续增加。1-3 目前没有药物可以阻止 VHD 进展。VHD 患者的适当管理依赖于 3 个支柱：早期诊断、仔细随访和及时干预。心内科医生的定期随访和专门 VHD 门诊的实施已证明对患者结局有有益影响。4 不幸的是，多项研究表明，VHD 患者仍治疗不足，并在疾病晚期才被转诊，且护理可及性存在不平等。
【主题与分类】
主题标签：Mitral Regurgitation (MR)。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06816888
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/NCT06816888
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
疾病条件：二尖瓣反流（MR）、中度或重度主动脉瓣狭窄（AS）（平均压力梯度≥20 mm Hg或主动脉瓣面积≤1.5 cm²）。瓣膜性心脏病（VHD）是心血管领域的下一个流行病，影响全球数百万人，并对医疗系统产生重大影响。随着人口老龄化，VHD的发病率和患病率将持续增加。1-3目前尚无药物能够阻止VHD进展。VHD患者的适当管理依赖于三大支柱：早期诊断、仔细随访和及时干预。心脏病专家的定期随访以及专门VHD门诊的实施已证明对患者预后有益。4遗憾的是，多项研究表明，VHD患者仍治疗不足，且在疾病晚期才被转诊，在获得医疗服务和治疗选择方面存在不平等。5-12晚期就诊给患者带来重大代价，其死亡和发病风险增加，即使成功干预也无法恢复。
13-17 在一项基于社区的研究中，连续收集了所有经超声心动图诊断为中度或重度二尖瓣反流（MR）的患者，尽管有明确的手术指征（I类），但仅有15%被转诊至外科手术。18 这些发现更为引人注目，因为所有患者均在梅奥诊所进行超声心动图检查后确诊，他们能够接触到世界知名的机构，该机构能够实现卓越的手术结果，且不存在医疗保险覆盖问题。解释VHD患者转诊延迟和治疗不足的可能原因包括：医生对VHD的管理和干预时机知识不足，对瓣膜干预风险/收益比的误解，对超声心动图报告理解不全面，以及接触心脏病专家，尤其是VHD专家的机会有限。19, 20 我们假设，以简单易行的方式向开具检查的（非心脏病专家）医生强调瓣膜超声心动图发现的重要性，
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。
