整合超声衍生脂肪分数与2D/4D HeartAI用于MASLD患者心血管风险管理

该数据集来自clinicaltrials.gov的前瞻性观察性队列研究,纳入成人MASLD患者,采集超声衍生脂肪分数(UDFF)与2D/4D HeartAI评估的心脏功能参数,并在基线及6、12、36个月进行重复评估

First Affiliated Hospital, Sun Yat-Sen UniversityFirst Affiliated Hospital, Sun Yat-Sen University
clinicaltrials
浏览 7
医学影像预测MASLDCardiovascular (CV) RiskSubclinical Cardiovascular Impairments
Integrated Ultrasound-Derived Fat Fraction and 2D/4D HeartAI for Cardiovascular Risk Management in Patients With MASLD

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-27

资源简介

整合超声衍生脂肪分数与2D/4D HeartAI用于MASLD患者心血管风险管理

该数据集来自clinicaltrials.gov的前瞻性观察性队列研究,纳入成人MASLD患者,采集超声衍生脂肪分数(UDFF)与2D/4D HeartAI评估的心脏功能参数,并在基线及6、12、36个月进行重复评估。数据覆盖肝脏脂肪分数、心脏功能参数及心血管风险进展与主要不良心血管事件信息,可用于评估整合UDFF-HeartAI分析对亚临床心脏异常的诊断性能,并识别MASLD患者心血管风险进展的预测因素(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):状况:MASLD、心血管(CV)风险、亚临床心血管损伤。这项前瞻性观察性队列研究旨在评估成人代谢功能障碍相关脂肪性肝病(MASLD)患者中,由超声衍生脂肪分数(UDFF)测量的肝脏脂肪分数与由2D和4D HeartAI评估的心脏功能参数之间的关联。参与者将在基线接受评估,并在6、12和36个月时进行重复评估。该研究将评估整合UDFF-HeartAI分析对检测亚临床心脏异常的诊断性能,并识别MASLD患者中心血管风险进展和主要不良心血管事件的预测因素。

【主题与分类】

主题标签:MASLD、Cardiovascular (CV) Risk、Subclinical Cardiovascular Impairments。本站分类:循环系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07545343

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT07545343

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

条件:MASLD、心血管(CV)风险、亚临床心血管损伤。本前瞻性观察性队列研究旨在评估成人代谢功能障碍相关脂肪性肝病(MASLD)患者中,由超声衍生脂肪分数(UDFF)测定的肝脏脂肪分数与由2D和4D HeartAI评估的心脏功能参数之间的关联。参与者将接受基线评估,并在6、12和36个月时重复评估。本研究将评估UDFF-HeartAI整合分析检测亚临床心脏异常的诊断性能,并识别MASLD患者心血管风险进展和主要不良心血管事件的预测因素。

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。