微血管功能障碍评估预测左心室逆重构
该数据集来自 clinicaltrials.gov,为一项前瞻性、多中心、单臂探索性临床研究,纳入心力衰竭合并特发性扩张型心肌病且 LVEF ≤ 40% 的患者

基本信息
资源简介
微血管功能障碍评估预测左心室逆重构
该数据集来自 clinicaltrials.gov,为一项前瞻性、多中心、单臂探索性临床研究,纳入心力衰竭合并特发性扩张型心肌病且 LVEF ≤ 40% 的患者。在急性心衰期治疗稳定后,患者接受冠状动脉造影排除阻塞性冠状动脉疾病,并评估 FFR、CFR、IMR 等微血管指标,以预测左心室逆重构。数据可用于心力衰竭与微血管功能障碍相关研究,支持对左心室逆重构的预测建模与临床分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:心力衰竭、左心室功能障碍、特发性扩张型心肌病。这是一项前瞻性、多中心、单臂探索性临床研究,纳入表现为心力衰竭和特发性扩张型心肌病且 LVEF ≤ 40% 的患者。被确定为符合方案条件的患者将被要求签署书面知情同意书以参与研究。在急性心力衰竭期得到适当治疗后,参与者将接受冠状动脉造影以排除阻塞性冠状动脉疾病。将按标准临床实践评估血流储备分数(FFR),≤ 0.80 的值将被视为异常。微血管评估将使用与 FFR 评估相同的压力/热稀释导丝进行,并推导出冠状动脉血流储备(CFR)、微循环阻力指数(IMR)和微血管 re
【主题与分类】
主题标签:Heart Failure、Left Ventricular Dysfunction、Idiopathic Dilated Cardiomyopathy。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/NCT06356727
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/NCT06356727
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:心力衰竭、左心室功能障碍、特发性扩张型心肌病。这是一项前瞻性、多中心、单臂探索性临床研究,研究对象为表现为心力衰竭且伴有特发性扩张型心肌病、左心室射血分数(LVEF)≤ 40%的患者。符合方案入选标准的患者将被征求书面知情同意以参与研究。在急性心力衰竭期得到适当治疗后,参与者将接受冠状动脉造影以排除阻塞性冠状动脉疾病。将按照标准临床实践评估血流储备分数(FFR),FFR值≤ 0.80视为异常。微血管评估将使用与FFR评估相同的压力/热稀释导丝进行,并推导出冠状动脉血流储备(CFR)、微循环阻力指数(IMR)和微血管阻力储备(MRR)。将按照常规临床实践使用静脉腺苷输注或冠状动脉内罂粟碱诱导稳态充血。主要终点将基于从基线至12个月随访时超声心动图指标的变化进行评估。
将进行经胸超声心动图以确认诊断,并获取有关不良心脏重构的信息,并在12个月的最佳药物治疗后进行评估逆重构。患者将由专门的心力衰竭团队进行临床管理,以优化药物治疗并组织随访。纳入研究的患者将接受为期5年的临床随访,以监测临床状态并报告主要不良心脏事件。在研究期间,参与者可根据最近的国际指南接受多模态诊断测试。如果这些测试按临床实践进行,将收集其数据:1. 3导联心电图遥测监测(或24小时动态心电图)以检测或量化住院期间的心房和/或心室心律失常。2. N末端B型利钠
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。




